Półprzewodniki i mikroelektronika

Opis
Przewiduj właściwości dielektryczne, termiczne i elektroniczne materiałów półprzewodnikowych przed wyhodowaniem płytki. MatterSeek łączy silnik HNN z autonomicznym laboratorium.

Półprzewodniki i mikroelektronika —System materiałowy / Przewidywalna wydajność / Ścieżka walidacji
Sztuczna inteligencja dla materiałów półprzewodnikowych — dielektryki ekranowe, kandydaci o szerokiej przerwie wzbronionej i cienkowarstwowi przed wyhodowaniem płytki
Dielektryki, związki o szerokiej przerwie energetycznej, stosy cienkowarstwowe i materiały opakowaniowe można sprawdzić w oprogramowaniu przed zaplanowaniem pojedynczego cyklu osadzania lub testu elektrycznego, a następnie zweryfikować w autonomicznym laboratorium.
Nowy dielektryk o niskim k, tlenek bramki o wysokim k lub związek o szerokim paśmie wzbronionym zwykle przechodzą przez syntezę, osadzanie, modelowanie, wyżarzanie i charakterystykę elektryczną, zanim ktokolwiek zorientuje się, czy preparat jest wykonalny. Ta pętla kosztuje tygodniami na kandydata i generuje dane, które rzadko można uogólnić na następny skład.
MatterSeek analizuje opis, buduje przestrzeń kompozycji i zwraca uszeregowanych kandydatów z przewidywanymi właściwościami i niepewnością. Obsługa kompozycji obsługuje od jednego do czterech podstawowych elementów z kontrolą poziomu domieszkowania z dokładnością do 0,02, co odpowiada faktycznemu zakresowi badań domieszkowania półprzewodników. Przewidywanie trwa około jednej minuty w przypadku dwóch elementów podstawowych, dwóch minut w przypadku trzech i siedmiu minut w przypadku czterech.
Silnik obejmuje rodziny obejmujące zachowania elektrochemiczne, dielektryczne, termiczne, termodynamiczne, magnetyczne, optyczne i mechaniczne — wśród nich stała dielektryczna, temperatura topnienia, temperatura krytyczna nadprzewodnictwa, współczynnik Seebecka, współczynnik mocy i współczynnik termoelektryczny. Wyniki są zwracane w postaci wykresów radarowych do porównywania wielu właściwości, map cieplnych 2D i 3D dla krajobrazów kompozycji i właściwości oraz tabel danych, które można wyeksportować.
Przewidywani kandydaci mogą zostać umieszczeni w autonomicznym laboratorium MatterSeek o powierzchni 1200 m², zorganizowanym w sześć klastrów procesowych obejmujących czyste osadzanie cienkowarstwowe i obróbkę końcową. Charakterystyka — XRD, XRF, Ramana i jednoczesna analiza termiczna — jest zautomatyzowana, a docelowy cel wynosi od 300 do 500 próbek dziennie, w zależności od ścieżki syntezy. Dokładność modelu wynosi 95,7% w porównaniu z pomiarami fizycznymi, a wyniki pomiarów służą do udoskonalenia kolejnej rundy przewidywań.
Obejmują warstwy dielektryczne i izolacyjne, związki o szerokiej przerwie energetycznej do urządzeń zasilających, materiały cienkowarstwowe i materiały łączące oraz materiały opakowaniowe.
Często zadawane pytania
P: Czy sztuczna inteligencja może przewidzieć stałą dielektryczną przed syntezą materiału?
O: Tak. MatterSeek przewiduje stałą dielektryczną i inne właściwości na podstawie samego składu, zwracając wartość z zakresem niepewności, dzięki czemu można uszeregować kandydatów przed przystąpieniem do osadzania i testowania wydajności.
P: Ile elementów można wyświetlić jednocześnie?
Odp.: Jeden do czterech elementów podstawowych, z dokładnością poziomu domieszkowania 0,02.
P: Czy platforma zastępuje charakterystykę elektryczną?
O: Nie. Przewidywanie zawęża przestrzeń poszukiwań; ostatecznym arbitrem pozostaje pomiar fizyczny. Wartość polega na tym, jak niewielu kandydatów potrzebuje teraz pomiaru.
Yuyao (Beijing) Technology Co., Ltd. to profesjonalna firma specjalizująca się w łączeniu sztucznej inteligencji i zaawansowanych materiałów półprzewodników i mikroelektroniki. Firma niezależnie opracowała MatterSeek — podstawowy duży model dostosowany do sektora materiałów — i była pionierem algorytmu HNN (Hierarchical Neural Network), tworząc jednocześnie zastrzeżoną, kontrolowaną bazę danych eksperymentów materiałowych.

