Polprevodniki in mikroelektronika

Opis
Predvidite dielektrične, toplotne in elektronske lastnosti polprevodniških materialov, preden vzgojite rezino. MatterSeek združuje motor HNN z avtonomnim laboratorijem.

Polprevodniki in mikroelektronika —Materialni sistem / Predvidljiva zmogljivost / Validacijska pot
AI za polprevodniške materiale – zaslonski dielektriki, širokopasovni in tankoplastni kandidati, preden vzgojite rezino
Dielektrike, spojine s širokim pasovnim presledkom, nize tankih filmov in embalažne materiale je mogoče pregledati v programski opremi, preden je načrtovan posamezen cikel nanašanja ali električnega preskusa — nato validiran v avtonomnem laboratoriju.
Nov dielektrik z nizko vrednostjo k, oksid z vrati z visoko vrednostjo k ali spojina s širokopasovno vrzeljo se običajno premika skozi sintezo, nanašanje, vzorčenje, žarjenje in električno karakterizacijo, preden kdorkoli ve, ali je formulacija uspešna. Ta zanka stane tedne na kandidata in proizvede podatke, ki se le redko posplošijo na naslednjo sestavo.
MatterSeek razčleni opis, zgradi prostor sestave in vrne uvrščene kandidate s predvidenimi lastnostmi in negotovostjo. Ravnanje s sestavo podpira enega do štiri osnovne elemente z nadzorom ravni dopinga z natančnostjo 0,02, kar se ujema z dejanskim obsegom raziskav polprevodniškega dopinga. Napovedovanje poteka v približno eni minuti za dva osnovna elementa, dve minuti za tri in sedem minut za štiri.
Motor pokriva družine, vključno z elektrokemičnim, dielektričnim, toplotnim, termodinamičnim, magnetnim, optičnim in mehanskim obnašanjem - med njimi dielektrično konstanto, tališče, superprevodno kritično temperaturo, Seebeckov koeficient, faktor moči in termoelektrično vrednost. Rezultati so vrnjeni kot radarski grafikoni za primerjavo več lastnosti, 2D in 3D toplotni zemljevidi za krajine sestave in lastnosti ter tabele podatkov, ki jih je mogoče izvoziti.
Predvidene kandidate je mogoče potisniti v 1200 m² velik avtonomni laboratorij MatterSeek, ki je organiziran v šest procesnih grozdov, ki vključujejo čisto tankoplastno nanašanje in naknadno obdelavo. Karakterizacija — XRD, XRF, Raman in sočasna termična analiza — je avtomatizirana, z navedenim ciljem od 300 do 500 vzorcev na dan, odvisno od poti sinteze. Natančnost modela je 95,7 % glede na fizične meritve, izmerjeni rezultati pa so povratni podatki za izboljšanje naslednjega kroga napovedi.
Vključuje dielektrične in izolacijske plasti, širokopasovne spojine za napajalne naprave, tankoslojne in povezovalne materiale ter embalažne materiale.
pogosta vprašanja
V: Ali lahko AI napove dielektrično konstanto, preden se material sintetizira?
O: Da. MatterSeek napove dielektrično konstanto in druge lastnosti samo na podlagi sestave, pri čemer vrne vrednost z razponom negotovosti, tako da lahko razvrstite kandidate, preden se odločite za nanašanje in preizkus zmogljivosti.
V: Koliko elementov je mogoče pregledati hkrati?
O: Eden do štirje osnovni elementi, z natančnostjo ravni dopinga 0,02.
V: Ali platforma nadomešča električno karakterizacijo?
O: Ne. Napovedovanje zoži iskalni prostor; fizična meritev ostaja končni razsodnik. Vrednost je v tem, kako malo kandidatov zdaj potrebuje merjenje.
Yuyao (Beijing) Technology Co., Ltd. je strokovno podjetje, specializirano za presečišče umetne inteligence in naprednih materialov polprevodnikov in mikroelektronike. Podjetje je neodvisno razvilo MatterSeek – temeljni velik model, prilagojen sektorju materialov – in pionirsko razvilo algoritem HNN (Hierarchical Neural Network), medtem ko je gradilo lastniško zbirko podatkov o eksperimentih z materiali, ki jih je mogoče nadzorovati.

