Inovasi teknologi cvd ing mburi Hadiah Nobel

Bubar, woro-woro saka Hadiah 2024 ing Fisika ing Fisika wis nggawa perhatian kasebut ora perhatian ing bidang intelijen buatan. Panaliten ilmuwan Amerika John J. Hopfield lan Kanada Soffrey E. Hinton nggunakake alat belajar mesin kanggo menehi wawasan anyar kanggo Fisika sing kompleks. Prestasi iki ora mung menehi tandha tonggak penting ing teknologi intelijen buatan, nanging uga kalebu integrasi fisika lan intelijen buatan.

Ⅰ. Pentinge lan tantangan teknologi uap kimia (CVD) teknologi ing fisika

Pentinge teknologi uap kimia (CVD) ing fisika yaiku multifaceted. Iki ora mung teknologi persiapan materi, nanging uga duwe peran penting kanggo promosi pangembangan fisika riset lan aplikasi. Teknologi CVD bisa ngontrol pertumbuhan bahan ing tingkat atom lan molekuler. Kaya sing ditampilake ing Gambar 1, teknologi iki ngasilake macem-macem film tipis lancip lan bahan nanostruktur kanthi bahan kimia gas utawa alas ing permukaan sing solid kanggo ngasilake padhet. Iki penting ing fisika kanggo ngerteni lan njelajah hubungan antara mikrostruktur lan makam makhluk bahan, amarga ngidini ilmuwan kanggo sinau bahan kanthi struktur lan komposisi sing spesifik.

Kapindho, teknologi CVD minangka teknologi utama kanggo nyiyapake macem-macem film tipis fungsional ing piranti semikonduktor. Contone, CVD bisa digunakake kanggo tuwuh lapisan epitoxial silicon single, semikonida lan ipi-vi-vi semikonduktor, lan simpenan macem-macem file silikon, lan sapiturute ing piranti lan piranti iki minangka piranti opoelectronik. Kajaba iku, teknologi CVD uga duwe peran penting ing lapangan riset fisika kayata bahan optik, bahan superconducting, lan bahan magnetik. Liwat teknologi CVD, film lancip karo sifat optik tartamtu bisa disintesis kanggo digunakake ing piranti optoelectronic lan sensor optik.

Gambar 1 langkah transfer reaksi CVD

Ing wektu sing padha, teknologi CVD ngadhepi sawetara tantangan ing aplikasi praktis, kayata:

✔ Suhu dhuwur lan kahanan tekanan tinggi: CVD biasane kudu ditindakake kanthi suhu sing dhuwur utawa tekanan, sing mbatesi jinis bahan sing bisa digunakake lan nambah konsumsi lan biaya energi.

✔ Sensitivitas parameter: Proses CVD banget sensitif marang kahanan reaksi, lan uga owah-owahan cilik bisa mengaruhi kualitas produk akhir.

✔ Sistem CVD kompleks: Proses CVD sensitif kanggo kahanan sing ana, duwe kahanan sing ora yakin, lan angel dikendhaleni lan mbaleni, sing bisa nyebabake kesulitan kanggo riset material.

Ⅱ. Teknologi uap kimia (CVD) teknologi lan belajar mesin

Ngadhepi kesulitan kasebut, belajar mesin, minangka alat analisis data sing kuat, wis nuduhake potensial kanggo ngatasi masalah ing lapangan CVD. Ing ngisor iki minangka conto aplikasi Pembelajaran Mesin ing Teknologi CVD:

(1) prédhiksi wutah CVD

Nggunakake algoritma belajar mesin, kita bisa sinau saka jumlah eksperimen sing akeh lan prédhiksi asil wutah CVD ing kahanan sing beda, mula nuntun penyesuaian paramèter eksperimen. Kaya sing ditampilake ing Gambar 2, tim riset Universitas Nanyang Universitas Nanyang ing Singapura nggunakake algoritma klasifikasi ing Pembelajaran Mesin kanggo nuntun sintesis CVD saka bahan loro dimensi. Kanthi nganalisa data eksperimen awal, dheweke bisa mbantah kahanan wutah kelebet Molybdenum (MOS2), kanthi signifikan ningkatake tingkat sukses eksperimen lan nyuda jumlah eksperimen.

Gambar 2 Mesin Pembelajaran Sintesis Mesin

(a) bagean saka riset lan pangembangan materi: sintesis materi.

(b) Model klasifikasi mbantu deposisi uap kimia kanggo nyintesis bahan loro (ndhuwur); Pandhuan Model Penunjuk Sintesis Hydrothermal Sintesis Sulfur-Nitrorescent (ngisor).

Ing panaliten liyane (Gambar 3), Pembelajaran Mesin digunakake kanggo nganalisa pola graphene ing sistem CVD. Ukuran, jangkoan, kapadhetan domain, lan aspek aspek Graphene kanthi otomatis diukur jaringan saraf ton biji (SVM) kanggo nyerahake variabel saraf ing wilayah lan spesifikasi sing diukur. Pendhapat iki bisa nyimulasi sintesis Graphene lan nemtokake kahanan eksperimen kanggo sintesis graphe kanthi morfologi gandum kanthi ukuran gandum lan akeh wektu lan biaya ³

Gambar 3 mesin sinau mesin prediksi pola pertumbuhan griphene ing sistem CVD

(2) proses CVD otomatis

Pembelajaran Mesin bisa digunakake kanggo ngembangake sistem otomatis kanggo ngawasi lan nyetel paramèter ing proses CVD ing wektu nyata kanggo entuk luwih akeh sing luwih tepat lan efisiensi produksi sing luwih dhuwur. Kaya sing ditampilake ing Gambar 4, tim riset saka Universitas Xidian nggunakake belajar kanggo ngatasi masalah rotasi bahan loro-lorone bahan loro. Dheweke nglumpukake ruang warna Mos2 sing disiapake dening CVD lan ngetrapake segenan Segdha Semalum SEEMLINUSY (CNN) kanthi akurat mos2 kanthi akurat kanggo ngrampungake bahan rotasi tmd tmd-lapisan tmd tmboard tmboard tmong tmd. Cara iki ora mung nambah efisiensi identifikasi sampel, nanging uga menehi paradigma anyar kanggo aplikasi sinau jero ing bidang ilmu bahan⁴.

Tokoh 4 cara belajar jero ngenali sudhut bahan loro-lapisan rong dimensi kaping pindho

Referensi:

(1) guo, q.-m .; Qin, Z.-h. Pangembangan lan aplikasi teknologi penepapan beluk ing pabrik atom. Acta Physika Sinica 2021, 70 (2), 028101-028101-028101-028115. Loro: 10.7498 / aps.70.20201436.

(2) yi, k.; Liu, D.; Chen, x.; Yang, J.; Wei, d.; Liu, y ;; Wei, D. Plasma-Meningkatake uap kimia deposisi bahan loro kanggo dimensi kanggo aplikasi. Akun Panaliten kimia 2021, 54 (4), 1011-1022. DOI: 10.1021 / acs.accounts.0c00757.

(3) hwang, g.; Kim, t .; Shin, J.; Shin, N.; Hwang, S. Sinau mesin kanggo Analisis Graduum Graphene CVD: Saka pangukuran kanggo simulasi gambar semem. Kimia industri lan teknik 2021, 101, 430-444. DOI: https://doi.org/10.1016/J.JICEC.20.05.031.

(4) hou, b.; Wu, J.; Qiu, D. Y. Luarjil Negara Kohan-Sham Negara: Perwakilan lan akibat kanggo ramalan babagan downtream efek akeh awak. 2024; P Arxiv: 2404.14601.