Halfgeleider en micro-elektronica

Beschrijving
Voorspel diëlektrische, thermische en elektronische eigenschappen van halfgeleidermaterialen voordat u een wafer laat groeien. MatterSeek koppelt een HNN-motor aan een autonoom laboratorium.

Halfgeleider en micro-elektronica —Materiaalsysteem / Voorspelbare prestaties / Validatietraject
AI voor halfgeleidermaterialen — Schermdiëlektrica, brede bandgap en dunne-filmkandidaten voordat u een wafer laat groeien
Diëlektrica, verbindingen met een grote bandafstand, dunnefilmstapels en verpakkingsmaterialen kunnen allemaal in software worden gescreend voordat er een enkele depositie- of elektrische testcyclus wordt gepland – en vervolgens gevalideerd in een autonoom laboratorium.
Een nieuw diëlektricum met lage k, een poortoxide met hoge k of een verbinding met een brede bandafstand doorloopt doorgaans synthese, afzetting, patroonvorming, uitgloeien en elektrische karakterisering voordat iemand weet of de formulering levensvatbaar is. Die lus kost weken per kandidaat en levert gegevens op die zelden generaliseren naar de volgende compositie.
MatterSeek ontleedt de beschrijving, bouwt de compositieruimte op en retourneert gerangschikte kandidaten met voorspelde eigenschappen en onzekerheid. De compositiebehandeling ondersteunt één tot vier basiselementen met dopingniveaucontrole met een nauwkeurigheid van 0,02, wat overeenkomt met hoe dopingonderzoeken naar halfgeleiders feitelijk worden uitgevoerd. De voorspelling duurt ongeveer één minuut voor twee basiselementen, twee minuten voor drie en zeven minuten voor vier.
De motor omvat families met inbegrip van elektrochemisch, diëlektrisch, thermisch, thermodynamisch, magnetisch, optisch en mechanisch gedrag - waaronder diëlektrische constante, smeltpunt, supergeleidende kritische temperatuur, Seebeck-coëfficiënt, arbeidsfactor en thermo-elektrische waardewaarde. De resultaten worden geretourneerd als radardiagrammen voor vergelijking van meerdere eigendommen, 2D- en 3D-heatmaps voor compositie-eigenschapslandschappen en exporteerbare gegevenstabellen.
Voorspelde kandidaten kunnen naar het 1.200 m² grote autonome laboratorium van MatterSeek worden gestuurd, georganiseerd in zes procesclusters, waaronder schone dunnefilmdepositie en nabehandeling. Karakterisering – XRD, XRF, Raman en gelijktijdige thermische analyse – is geautomatiseerd, met een vastgelegd doel van 300 tot 500 monsters per dag, afhankelijk van de syntheseroute. De nauwkeurigheid van het model is 95,7% ten opzichte van fysieke metingen, en de gemeten resultaten worden teruggekoppeld om de volgende voorspellingsronde te verfijnen.
Omvat diëlektrische en isolerende lagen, verbindingen met een brede bandafstand voor voedingsapparaten, dunnefilm- en verbindingsmaterialen, en verpakkingsmaterialen.
Veelgestelde vragen
Vraag: Kan AI de diëlektrische constante voorspellen voordat een materiaal wordt gesynthetiseerd?
EEN: Ja. MatterSeek voorspelt de diëlektrische constante en andere eigenschappen alleen op basis van de samenstelling en retourneert een waarde met een onzekerheidsbereik, zodat u kandidaten kunt rangschikken voordat u afzetting en testcapaciteit vastlegt.
Vraag: Hoeveel elementen kunnen tegelijk worden gescreend?
A: Eén tot vier basiselementen, met een dopingnauwkeurigheid van 0,02.
Vraag: Vervangt het platform elektrische karakterisering?
A: Nee. Voorspellingen verkleinen de zoekruimte; fysieke meting blijft de uiteindelijke scheidsrechter. De waarde zit in hoe weinig kandidaten nu moeten worden gemeten.
Yuyao (Beijing) Technology Co., Ltd. is een professioneel bedrijf gespecialiseerd in het snijvlak van AI en geavanceerde materialen van halfgeleiders en micro-elektronica. Het bedrijf heeft onafhankelijk MatterSeek ontwikkeld – een fundamenteel groot model dat is toegesneden op de materialensector – en pionierde met het HNN-algoritme (Hierarchical Neural Network), terwijl het een eigen, controleerbare database met materiaalexperimenten opbouwde.

