Poluvodič i mikroelektronika

Opis
Predvidite dielektrična, toplinska i elektronička svojstva poluvodičkih materijala prije uzgoja pločice. MatterSeek uparuje HNN motor s autonomnim laboratorijem.

Poluvodič i mikroelektronika —Materijalni sustav / Predvidljiva izvedba / Validacijski put
AI za poluvodičke materijale — ekranski dielektrici, kandidati za široki pojas i tanki film prije nego što uzgojite pločicu
Dielektrici, spojevi sa širokim pojasom, hrpe tankih filmova i materijali za pakiranje mogu se pregledati u softveru prije nego što se zakaže jedno taloženje ili ciklus električnog ispitivanja — zatim validirati u autonomnom laboratoriju.
Novi low-k dielektrik, high-k gate oksid ili širokopojasni spoj obično prolaze kroz sintezu, taloženje, uzorkovanje, žarenje i električnu karakterizaciju prije nego što itko sazna je li formulacija održiva. Ta petlja košta tjedne po kandidatu i proizvodi podatke koji se rijetko generaliziraju na sljedeći sastav.
MatterSeek analizira opis, gradi prostor kompozicije i vraća rangirane kandidate s predviđenim svojstvima i nesigurnošću. Rukovanje sastavom podržava jedan do četiri osnovna elementa s kontrolom razine dopinga s preciznošću od 0,02, što odgovara stvarnom opsegu studija dopinga poluvodiča. Predviđanje traje otprilike jednu minutu za dva osnovna elementa, dvije minute za tri i sedam minuta za četiri.
Motor pokriva obitelji uključujući elektrokemijsko, dielektrično, toplinsko, termodinamičko, magnetsko, optičko i mehaničko ponašanje — među kojima su dielektrična konstanta, točka taljenja, kritična temperatura supravodljivosti, Seebeckov koeficijent, faktor snage i termoelektrična vrijednost. Rezultati se vraćaju kao radarski dijagrami za usporedbu više svojstava, 2D i 3D toplinske karte za krajolike sastava – svojstva i tablice podataka za izvoz.
Predviđeni kandidati mogu se gurnuti u MatterSeekov autonomni laboratorij od 1.200 m², organiziran u šest procesnih klastera koji uključuju čisto taloženje tankog filma i naknadnu obradu. Karakterizacija — XRD, XRF, Raman i simultana toplinska analiza — automatizirana je, s navedenim ciljem od 300 do 500 uzoraka dnevno, ovisno o putu sinteze. Točnost modela je 95,7% u usporedbi s fizičkim mjerenjima, a izmjereni rezultati vraćaju se za pročišćavanje sljedeće runde predviđanja.
Uključite dielektrične i izolacijske slojeve, širokopojasne spojeve za energetske uređaje, tankoslojne i međusobno spojene materijale te materijale za pakiranje.
FAQ
P: Može li umjetna inteligencija predvidjeti dielektričnu konstantu prije nego što se materijal sintetizira?
O: Da. MatterSeek predviđa dielektričnu konstantu i druga svojstva samo na temelju sastava, vraćajući vrijednost s rasponom nesigurnosti tako da možete rangirati kandidate prije nego što izvršite taloženje i ispitni kapacitet.
P: Koliko se elemenata može pregledati odjednom?
O: Jedan do četiri osnovna elementa, s preciznošću razine dopinga od 0,02.
P: Zamjenjuje li platforma električnu karakterizaciju?
O: Ne. Predviđanje sužava prostor pretraživanja; fizičko mjerenje ostaje konačni arbitar. Vrijednost je u tome koliko malo kandidata sada treba mjerenje.
Yuyao (Beijing) Technology Co., Ltd. je profesionalna tvrtka specijalizirana za spajanje umjetne inteligencije i naprednih materijala poluvodiča i mikroelektronike. Tvrtka je neovisno razvila MatterSeek—temeljni veliki model prilagođen sektoru materijala—i uvela algoritam HNN (Hijerarhijska neuronska mreža), dok je gradila vlasničku, kontroliranu bazu podataka o eksperimentima s materijalima.

