Semiconductor & Microelectronics

1

 

Opis

Predvidite dielektrična, termička i elektronska svojstva poluvodičkih materijala prije nego što uzgajate pločicu. MatterSeek uparuje HNN motor sa autonomnom laboratorijom.

 

productcate-1600-900

Poluprovodnici i mikroelektronika —Materijalni sistem / Predvidljive performanse / Putanja validacije

 

 

 

 

 

AI za poluvodičke materijale — ekranski dielektrici, širokopojasni i tankoslojni kandidati prije nego što uzgajate pločicu

 

 

1. MatterSeek je platforma za istraživanje i razvoj AI materijala koja predviđa svojstva poluvodičkih materijala direktno iz hemijskog sastava.

Dielektrici, spojevi sa širokim pojasom, slojevi tankog filma i materijali za pakovanje mogu se pregledati u softveru prije nego što se zakaže jednostruko taloženje ili ciklus električnog testiranja — a zatim validirani u autonomnoj laboratoriji.

2. Razvoj poluprovodničkih materijala je spor iz strukturalnog razloga: otkrivanje svojstava je ograničeno skupom fizičkom iteracijom male propusnosti.

Novi low-k dielektrik, high-k gate oksid ili spoj sa širokim pojasom obično se kreće kroz sintezu, taloženje, oblikovanje uzoraka, žarenje i električnu karakterizaciju prije nego itko sazna da li je formulacija održiva. Ta petlja košta sedmice po kandidatu i proizvodi podatke koji se rijetko generaliziraju na sljedeću kompoziciju.

3. Kako teče radni tok. Opišete cilj jednostavnim jezikom — na primjer, raspon osnovne kompozicije plus potreban prozor svojstava kao što je dielektrična konstanta između 20 i 60, ili tačka topljenja iznad 1.000 K.

MatterSeek analizira opis, gradi prostor kompozicije i vraća rangirane kandidate sa predviđenim svojstvima i nesigurnošću. Rukovanje kompozicijom podržava jedan do četiri osnovna elementa sa kontrolom nivoa dopinga sa preciznošću od 0,02, što odgovara načinu na koji su studije dopinga poluprovodnika zapravo obuhvaćene. Predviđanje traje otprilike jedan minut za dva osnovna elementa, dva minuta za tri i sedam minuta za četiri.

4. Svojstva u obimu.

Motor pokriva familije uključujući elektrohemijsko, dielektrično, termalno, termodinamičko, magnetsko, optičko i mehaničko ponašanje - među njima dielektričnu konstantu, tačku topljenja, supravodljivu kritičnu temperaturu, Seebeck koeficijent, faktor snage i termoelektričnu vrijednost. Rezultati se vraćaju kao radarski grafikoni za poređenje više svojstava, 2D i 3D toplotne karte za pejzaže sastava i svojstva i tabele podataka za izvoz.

5. Gdje autonomna laboratorija zatvara petlju.

Predviđeni kandidati mogu biti gurnuti u MatterSeek-ovu autonomnu laboratoriju od 1.200 m², organiziranu u šest procesnih klastera koji uključuju čisto taloženje tankog filma i naknadnu obradu. Karakterizacija — XRD, XRF, Raman i simultana termička analiza — je automatizovana, sa navedenim ciljem od 300 do 500 uzoraka dnevno u zavisnosti od putanje sinteze. Preciznost modela je 95,7% u odnosu na fizičko mjerenje, a izmjereni rezultati se vraćaju kako bi se poboljšao sljedeći krug predviđanja.

6. Već obrađeni materijalni sistemi

Uključuje dielektrične i izolacijske slojeve, spojeve sa širokim pojasom za energetske uređaje, tankoslojne i materijale za međusobno povezivanje i materijale za pakovanje.

 

FAQ

 

 

P: Može li AI predvidjeti dielektričnu konstantu prije nego što se materijal sintetiše?

O: Da. MatterSeek predviđa dielektričnu konstantu i druga svojstva samo iz sastava, vraćajući vrijednost s rasponom nesigurnosti tako da možete rangirati kandidate prije nego što izvršite taloženje i testiranje kapaciteta.

P: Koliko elemenata se može pregledati odjednom?

O: Jedan do četiri osnovna elementa, sa preciznošću nivoa dopinga od 0,02.

P: Da li platforma zamjenjuje električnu karakterizaciju?

O: Ne. Predviđanje sužava prostor za pretragu; fizičko mjerenje ostaje konačni arbitar. Vrijednost je u tome koliko je sada malo kandidata potrebno mjerenje.

Yuyao (Beijing) Technology Co., Ltd. je profesionalna kompanija specijalizirana za ukrštanje AI i naprednih materijala poluvodiča i mikroelektronike. Kompanija je samostalno razvila MatterSeek—temeljni veliki model prilagođen sektoru materijala—i uvela je algoritam HNN (Hierarchical Neural Network), dok je izgradila vlasničku bazu podataka o eksperimentima s materijalima kojom se može kontrolirati.