Semi-conducteurs et microélectronique

1

 

Description

Prédisez les propriétés diélectriques, thermiques et électroniques des matériaux semi-conducteurs avant de faire croître une tranche. MatterSeek associe un moteur HNN à un laboratoire autonome.

 

productcate-1600-900

Semi-conducteurs et microélectronique —Système matériel / Performance prévisible / Parcours de validation

 

 

 

 

 

IA pour les matériaux semi-conducteurs – Écran diélectriques, candidats à large bande interdite et à couches minces avant de développer une plaquette

 

 

1. MatterSeek est une plateforme de R&D sur les matériaux d'IA qui prédit les propriétés des matériaux semi-conducteurs directement à partir de leur composition chimique.

Les diélectriques, les composés à large bande interdite, les empilements de couches minces et les matériaux d'emballage peuvent tous être examinés dans un logiciel avant qu'un seul cycle de dépôt ou de test électrique ne soit programmé, puis validés dans un laboratoire autonome.

2. Le développement des matériaux semi-conducteurs est lent pour une raison structurelle : la découverte de propriétés est conditionnée par des itérations physiques coûteuses et à faible débit.

Un nouveau diélectrique à faible k, un oxyde de grille à k élevé ou un composé à large bande interdite passe généralement par la synthèse, le dépôt, la structuration, le recuit et la caractérisation électrique avant que quiconque sache si la formulation est viable. Cette boucle coûte des semaines par candidat et produit des données qui se généralisent rarement à la composition suivante.

3. Comment s'exécute le flux de travail. Vous décrivez la cible en langage simple : par exemple, une plage de composition de base plus une fenêtre de propriétés requise telle qu'une constante diélectrique comprise entre 20 et 60, ou un point de fusion supérieur à 1 000 K.

MatterSeek analyse la description, crée l'espace de composition et renvoie les candidats classés avec les propriétés et l'incertitude prédites. La gestion des compositions prend en charge un à quatre éléments de base avec un contrôle du niveau de dopage avec une précision de 0,02, ce qui correspond à la portée réelle des études sur le dopage des semi-conducteurs. La prédiction dure environ une minute pour deux éléments de base, deux minutes pour trois et sept minutes pour quatre.

4. Propriétés concernées.

Le moteur couvre des familles comprenant le comportement électrochimique, diélectrique, thermique, thermodynamique, magnétique, optique et mécanique, parmi lesquels la constante diélectrique, le point de fusion, la température critique supraconductrice, le coefficient Seebeck, le facteur de puissance et le facteur de mérite thermoélectrique. Les résultats sont renvoyés sous forme de graphiques radar pour la comparaison de plusieurs propriétés, de cartes thermiques 2D et 3D pour les paysages de composition-propriété et de tableaux de données exportables.

5. Où le laboratoire autonome boucle la boucle.

Les candidats prédits peuvent être transférés dans le laboratoire autonome de MatterSeek de 1 200 m², organisé en six groupes de processus comprenant le dépôt propre de couches minces et le post-traitement. La caractérisation — XRD, XRF, Raman et analyse thermique simultanée — est automatisée, avec un objectif affiché de 300 à 500 échantillons par jour selon la voie de synthèse. La précision du modèle est de 95,7 % par rapport aux mesures physiques, et les résultats mesurés permettent d'affiner le prochain cycle de prédiction.

6. Systèmes matériels déjà abordés

Incluez des couches diélectriques et isolantes, des composés à large bande interdite pour les dispositifs électriques, des matériaux à couches minces et d'interconnexion, ainsi que des matériaux d'emballage.

 

FAQ

 

 

Q : L’IA peut-elle prédire la constante diélectrique avant la synthèse d’un matériau ?

R : Oui. MatterSeek prédit la constante diélectrique et d'autres propriétés à partir de la seule composition, renvoyant une valeur avec une plage d'incertitude afin que vous puissiez classer les candidats avant d'engager le dépôt et de tester la capacité.

Q : Combien d’éléments peuvent être filtrés à la fois ?

R : Un à quatre éléments de base, avec une précision de niveau de dopage de 0,02.

Q : La plateforme remplace-t-elle la caractérisation électrique ?

R : Non. La prédiction réduit l’espace de recherche ; la mesure physique reste l’arbitre final. La valeur réside dans le nombre de candidats qui ont désormais besoin d’être mesurés.

Yuyao (Beijing) Technology Co., Ltd. est une société professionnelle spécialisée dans l'intersection de l'IA et des matériaux avancés des semi-conducteurs et de la microélectronique. La société a développé indépendamment MatterSeek, un grand modèle fondamental adapté au secteur des matériaux, et a été pionnière de l'algorithme HNN (Hierarchical Neural Network), tout en créant une base de données exclusive et contrôlable d'expériences sur les matériaux.