반도체 및 마이크로 전자공학

1

 

설명

웨이퍼를 성장시키기 전에 반도체 재료의 유전체, 열 및 전자 특성을 예측하십시오. MatterSeek는 HNN 엔진을 자율 연구소와 결합합니다.

 

productcate-1600-900

반도체 및 마이크로전자공학 —재료 시스템 / 예측 가능한 성능 / 검증 경로

 

 

 

 

 

반도체 재료용 AI - 웨이퍼 성장 전 스크린 유전체, 와이드 밴드갭 및 박막 후보

 

 

1. MatterSeek은 화학성분으로부터 반도체 소재의 특성을 직접 예측하는 AI 소재 R&D 플랫폼입니다.

단일 증착 또는 전기 테스트 주기가 예약되기 전에 유전체, 광대역 간격 화합물, 박막 스택 및 포장 재료를 모두 소프트웨어에서 스크리닝한 다음 자율 실험실에서 검증할 수 있습니다.

2. 구조적 이유로 반도체 재료 개발이 느리다. 속성 발견은 비용이 많이 들고 처리량이 적은 물리적 반복에 의해 제한된다.

새로운 저유전율 유전체, 고유전율 게이트 산화물 또는 광대역 밴드갭 화합물은 일반적으로 공식이 실행 가능한지 여부를 알기 전에 합성, 증착, 패터닝, 어닐링 및 전기적 특성화 과정을 거칩니다. 이 루프는 후보자당 몇 주가 소요되며 다음 구성으로 거의 일반화되지 않는 데이터를 생성합니다.

3. 워크플로가 실행되는 방식. 예를 들어 기본 구성 범위와 20~60 사이의 유전 상수 또는 1,000K 이상의 융점과 같은 필수 속성 창을 추가하여 대상을 일반 언어로 설명합니다.

MatterSeek는 설명을 구문 분석하고, 구성 공간을 구축하고, 예측된 속성과 불확실성을 사용하여 순위가 매겨진 후보를 반환합니다. 구성 처리는 0.02 정밀도의 도핑 수준 제어를 통해 1~4개의 기본 요소를 지원하며, 이는 반도체 도핑 연구의 실제 범위와 일치합니다. 예측은 기본 요소 2개에 대해 대략 1분, 3개에 대해 2분, 4개에 대해 7분 만에 실행됩니다.

4. 범위 내 속성.

엔진은 유전 상수, 융점, 초전도 임계 온도, 제벡 계수, 역률 및 열전 성능 지수 등 전기화학, 유전체, 열역학, 자기, 광학 및 기계적 동작을 포함한 제품군을 다룹니다. 결과는 다중 속성 비교를 위한 방사형 차트, 구성-속성 환경을 위한 2D 및 3D 히트 맵, 내보낼 수 있는 데이터 테이블로 반환됩니다.

5. 자율 연구실이 루프를 닫는 곳.

예측된 후보자는 깨끗한 박막 증착 및 후처리를 포함하는 6개의 프로세스 클러스터로 구성된 MatterSeek의 1,200m² 규모의 자율 실험실로 푸시될 수 있습니다. 특성화(XRD, XRF, Raman 및 동시 열 분석)는 합성 경로에 따라 하루 300~500개의 샘플을 목표로 하여 자동화됩니다. 모델 정확도는 실제 측정 대비 95.7%이며, 측정된 결과는 피드백되어 다음 예측 라운드를 개선합니다.

6. 이미 다뤄진 재료 시스템

유전체 및 절연층, 전력 장치용 광대역 간격 화합물, 박막 및 상호 연결 재료, 포장 재료를 포함합니다.

 

FAQ

 

 

Q: AI가 물질을 합성하기 전에 유전율을 예측할 수 있나요?

답: 그렇습니다. MatterSeek는 구성만으로 유전 상수 및 기타 특성을 예측하여 불확실한 범위의 값을 반환하므로 증착 및 테스트 용량을 커밋하기 전에 후보 순위를 매길 수 있습니다.

Q: 한 번에 몇 개의 요소를 스크리닝할 수 있나요?

A: 1~4개의 기본 요소, 도핑 수준 정밀도 0.02.

Q: 플랫폼이 전기 특성화를 대체합니까?

A: 아니요. 예측은 검색 공간을 좁힙니다. 물리적 측정은 최종 중재자로 남아 있습니다. 가치는 현재 측정이 필요한 후보자의 수가 얼마나 적은지에 달려 있습니다.

Yuyao (Beijing) Technology Co., Ltd.는 반도체 및 마이크로 전자공학의 AI와 첨단 소재의 교차점을 전문으로 하는 전문 회사입니다. 이 회사는 재료 부문에 맞춘 기본 대형 모델인 MatterSeek를 독립적으로 개발하고 HNN(Hierarchical Neural Network) 알고리즘을 개척하는 동시에 독점적이고 제어 가능한 재료 실험 데이터베이스를 구축했습니다.