Жасанды интеллект пен физиканың бірігуі: Нобель сыйлығының артындағы CVD технологиялық инновациясы

Жақында 2024 жылғы физика бойынша Нобель сыйлығының жариялануы жасанды интеллект саласына бұрын-соңды болмаған назар аударды. Американдық ғалым Джон Дж. Хопфилд пен канадалық ғалым Джеффри Э. Хинтон жүргізген зерттеулер қазіргі физиканың күрделі әлеміне жаңа түсініктер беру үшін машиналық оқыту құралдарын пайдаланды. Бұл жетістік AI технологиясындағы маңызды кезеңді ғана емес, сонымен қатар физика мен жасанды интеллект арасындағы терең интеграцияны білдіреді.

Физикадағы химиялық булардың тұндыруының (CVD) маңызы қандай және ол қандай қиындықтарға тап болады?

Химиялық буларды тұндыру (CVD) технологиясыфизикада көп қырлы маңызға ие, материалды дайындаудың маңызды әдісі ретінде қызмет етеді, сонымен бірге физика ғылымындағы зерттеулер мен қолданбаларды ілгерілетуде маңызды рөл атқарады. CVD атомдық және молекулалық деңгейде материалдың өсуін дәл бақылауға мүмкіндік береді. 1-суретте көрсетілгендей, бұл әдіс қатты шөгінділерді қалыптастыру үшін қатты беттерде химиялық реакциялардан өтетін газ тәрізді немесе бу фазалық заттарды қамтиды, осылайша әртүрлі жоғары өнімді пленкалар мен наноқұрылымды материалдарды шығарады. Бұл мүмкіндік физикада материалдардың микроқұрылымдары мен олардың макроскопиялық қасиеттері арасындағы байланысты түсіну және зерттеу үшін өте маңызды, өйткені ол ғалымдарға белгілі бір құрылымдары мен композициялары бар материалдарды зерттеуге, осылайша олардың физикалық қасиеттері туралы терең түсінік алуға мүмкіндік береді.

Бұдан басқа,CVD технологиясыжартылай өткізгіш құрылғыларда әртүрлі функционалды қабықшаларды алудың негізгі әдісі болып табылады. Мысалы, оны өсіру үшін пайдалануға боладыкремнийдің монокристалды эпитаксиалды қабаттары, Галлий арсениді және II-VI жартылай өткізгіш монокристалды эпи-қабаттар сияқты III-V жартылай өткізгіштер, сондай-ақ әртүрлі қоспалы жартылай өткізгіш бір кристалды эпитаксиалды қабықшалар мен полисилиций қабықшаларын тұндырады. Бұл материалдар мен құрылымдар заманауи электронды және оптоэлектрондық құрылғылардың негізін құрайды. Сонымен қатар, CVD технологиясы оптикалық материалдар, асқын өткізгіш материалдар және магниттік материалдар сияқты зерттеу салаларында маңызды рөл атқарады. CVD пайдалану арқылы арнайы оптикалық қасиеттері бар жұқа пленкаларды оптоэлектрондық құрылғыларда және оптикалық сенсорларда қолдану үшін синтездеуге болады.

Артықшылықтарына қарамастан, CVD технологиясы практикалық қолдануда бірнеше қиындықтарға тап болады, мысалы:

Жоғары температура және жоғары қысым жағдайлары: CVD жиі жоғары температураны немесе қысымды қажет етеді, бұл пайдаланылуы мүмкін материалдардың түрлерін шектейді және энергияны тұтыну мен шығындарды арттырады.

Параметрлерге сезімталдық: CVD процесі реакция жағдайларына өте сезімтал, тіпті шамалы ауытқулар соңғы өнімнің сапасына әлеуетті әсер етеді.

CVD жүйелерінің күрделілігі: процесс шекаралық жағдайларға сезімтал, айтарлықтай белгісіздік көрсетеді және қайталанатын жолмен басқару қиын болуы мүмкін, бұл материалдың дамуын қиындатады.

ҚалайХимиялық буларды тұндыру (CVD) технологиясыМашиналық оқытудың пайдасы бар ма?

Осы қиындықтармен бетпе-бет келгенде, деректерді талдаудың қуатты құралы ретінде машиналық оқыту CVD саласындағы осы мәселелердің кейбірін шешуде әлеуетті көрсетті. Міне, CVD технологиясында машиналық оқыту қолданбаларының жағдайлары:

(1) CVD өсуін болжау: машиналық оқыту алгоритмдері әртүрлі жағдайларда CVD өсу нәтижелерін болжау үшін ауқымды эксперименттік деректерден үйрене алады, осылайша эксперименттік параметрлерді реттеуге басшылық етеді. 1-суретте көрсетілгендей, Сингапурдағы Наньян технологиялық университетінің зерттеу тобы екі өлшемді материалдардың CVD синтезін басқару үшін машиналық оқытуда жіктеу алгоритмдерін пайдаланды. Ерте эксперименттік деректерді талдай отырып, олар молибден дисульфидінің (MoS2) өсу жағдайларын сәтті болжап, тәжірибелердің сәттілігін айтарлықтай жақсартты және сынақтар санын азайтты.

1-сурет: Машиналық оқытуға негізделген материал синтезі. а) Материалдық дамудың ажырамас бөлігі: материалды синтездеу. (b) жіктеу үлгілері екі өлшемді материалдардың химиялық бу тұндыру (CVD) синтезін жеңілдетеді (жоғарғы); регрессиялық модельдер күкірт пен азот қосылған флуоресцентті кванттық нүктелердің гидротермиялық синтезін басқарады (төменгі).

Басқа зерттеуде, 2-суретте көрсетілгендей, CVD жүйелеріндегі графен өсу үлгілерін талдау үшін машиналық оқыту қолданылды. Аймақтық ұсыныстың конволюционды нейрондық желілерін (R-CNN) әзірлеу арқылы зерттеушілер графеннің өлшемін, қамтуын, домен тығыздығын және арақатынасын автоматты түрде өлшеп, талдай алды. Кейіннен жасанды нейрондық желілер (ANN) және тірек векторлық машиналар (SVM) арасындағы корреляцияны шығару үшін суррогат модельдерін жасау үшін пайдаланылды.CVD процесіайнымалылар және өлшенетін спецификациялар. Бұл әдіс графен синтезін модельдеуге мүмкіндік береді және үлкен түйір өлшемдері және төмен домен тығыздығы бар графен алу үшін қажетті тәжірибелік жағдайларды анықтайды, осылайша уақыт пен шығындарды үнемдейді.

2-сурет: CVD жүйелеріндегі графен өсу үлгілерінің машиналық оқыту болжамы

(2) Автоматтандырылған CVD процесі: CVD процесінде нақты уақыт режимінде параметрлерді бақылайтын және реттейтін автоматтандырылған жүйелерді әзірлеу үшін машиналық оқытуды пайдалануға болады, бұл дәлірек басқаруға және жоғары өндіріс тиімділігіне қол жеткізу. 3-суретте көрсетілгендей, Сидиан университетінің зерттеу тобы CVD дайындаған екі қабатты екі өлшемді материалдардың айналу бұрышын тану қиындығын жеңу үшін терең оқытуды пайдаланды. CVD дайындалған MoS2 түс кеңістігін жинау және семантикалық сегменттеу конволюционды нейрондық желілерді (CNN) қолдану арқылы олар MoS2 қалыңдығын дәл және жылдам анықтай алды. Содан кейін олар CVD арқылы өсірілген екі қабатты TMD материалдарының айналу бұрышын дәл болжау үшін екінші CNN үлгісін оқытты. Бұл әдіс үлгіні анықтау тиімділігін арттырып қана қоймай, сонымен қатар материалтану саласында терең оқытуды қолданудың жаңа парадигмасын қамтамасыз етті.

3-сурет: Екі қабатты екі өлшемді материалдардың айналу бұрышын анықтауға арналған терең оқыту тәсілі

Outlook

Нобель сыйлығының жариялануы жасанды интеллект пен физиканың интеграциясы көбірек жаңалықтар мен серпілістерге әкелетінін тағы да еске салады. Машиналық оқыту технологиясы алға жылжып келе жатқандықтан, бізде бұған сенуге негіз бархимиялық буларды тұндыру технологиясыболашақта дамудың жаңа мүмкіндіктеріне тап болады. Мұның бәрі технология мен ғылымның жақындасуы барлау үшін кең жолдарды ашатын жаңа дәуірдің таңын білдіреді.

Semicorex ұсынадыSiC/TaC жабыны бар графитжәнекерамикалық материалдар химиялық бу тұндыру (CVD) процесі арқылы. Егер сізде қандай да бір сұрақтар болса немесе қосымша мәліметтер қажет болса, бізбен байланысудан тартынбаңыз.

Байланыс телефоны +86-13567891907

Электрондық пошта: sales@semicorex.com