Nobel Mükafatının arxasında CVD texnologiyası yenilikləri

Bu yaxınlarda 2024-cü il Nobel mükafatının fizikada elanı süni intellektin sahəsinə misli görünməmiş diqqət yetirmişdir. Amerikalı alim John J. Hopfield və Kanada alimi Geoffrey E. Hinton tədqiqatı bugünkü kompleks fizikaya yeni fikir vermək üçün maşın öyrənmə vasitələrindən istifadə edir. Bu nailiyyət yalnız süni intellekt texnologiyasında mühüm bir mərhələ qeyd edir, eyni zamanda fizika və süni inteqrasiyanın dərin inteqrasiyasını da ləğv edir.

Ⅰ. Fizikadakı kimyəvi buxar çöküntüsünün (CVD) texnologiyasının əhəmiyyəti və problemləri

Fizikadakı kimyəvi buxar çöküntüsünün (CVD) texnologiyasının əhəmiyyəti çoxşaxəlidir. Bu, yalnız vacib bir material hazırlığı texnologiyası deyil, həm də fizika tədqiqat və tətbiqin inkişafının inkişafında əsas rol oynayır. CVD texnologiyası atom və molekulyar səviyyələrdə materialların böyüməsini dəqiq idarə edə bilər. Şəkil 1-də göstərildiyi kimi, bu texnologiya, möhkəm əmanətlər yaratmaq üçün qatı səthdə kimyəvi cəhətdən qaz və ya vapoor maddələrə kimyəvi reaksiya verən müxtəlif yüksək performanslı bir film və nanostruktlaşdırılmış materiallar istehsal edir. Bu, materialların mikrotrukturu və makroskopik xüsusiyyətləri arasındakı əlaqəni anlamaq və araşdırmaq üçün fizikada, alimlərə xüsusi struktur və kompozisiya ilə materialları öyrənməyə və sonra fiziki xüsusiyyətlərini dərindən başa düşməyə imkan verir.

İkincisi, CVD texnologiyası yarımkeçirici cihazlarda müxtəlif funksional nazik filmlərin hazırlanması üçün əsas texnologiyadır. Məsələn, CVD, silikon tək kristal epitaxial təbəqələr, III-v-ni və II-VI yarımkeçirici tək kristal epitaxial filmlər, policrystally silikon filmləri və s. Kimi və s. Bundan əlavə, CVD texnologiyası, optik materiallar, super keçirici materiallar və maqnit materialları kimi fizika tədqiqat sahələrində də mühüm rol oynayır. CVD texnologiyası vasitəsilə, xüsusi optik xüsusiyyətləri olan nazik filmlər optoelektronik cihazlarda və optik sensorlar istifadə üçün sintez edilə bilər.

Şəkil 1 CVD reaksiya ötürmə addımları

Eyni zamanda, CVD texnologiyası praktik tətbiqlərdə bəzi çətinliklərlə üzləşir:

✔ Yüksək temperatur və yüksək təzyiq şərtləri: CVD adətən yüksək temperaturda və ya yüksək təzyiqdə həyata keçirilməlidir, bu da istifadə edilə bilən materialların növlərini məhdudlaşdırır və enerji istehlakını və maya dəyərini artırır.

✔ Parametr həssaslığı: CVD prosesi reaksiya şərtlərinə son dərəcə həssasdır və hətta kiçik dəyişikliklər son məhsulun keyfiyyətinə də təsir göstərə bilər.

✔ CVD sistemi mürəkkəbdir: CVD prosesi sərhəd vəziyyətinə həssasdır, böyük qeyri-müəyyənliklərə malikdir və nəzarət etmək və təkrarlamaq çətindir, bu da maddi tədqiqat və inkişafda çətinliklərə səbəb ola bilər.

Ⅱ. Kimyəvi buxarlanma (CVD) texnologiyası və maşın öyrənməsi

Bu çətinliklərlə üzləşən bu çətinliklər, maşın öyrənmə, güclü bir məlumat təhlili vasitəsi olaraq, CVD sahəsindəki bəzi problemləri həll etmək potensialını göstərdi. Aşağıdakılar, CVD texnologiyasında maşın öyrənmə tətbiqinin nümunələridir:

(1) CVD böyüməsini proqnozlaşdırmaq

Maşın öyrənmə alqoritmlərindən istifadə edərək, çox miqdarda eksperimental məlumatdan öyrənə və CVD böyüməsinin nəticələrini müxtəlif şərtlərdə öyrənə bilər və bununla da eksperimental parametrlərin tənzimlənməsini istiqamətləndirə bilərik. Şəkil 2-də göstərildiyi kimi, Sinqapurdakı Nanyang Texnoloji Universitetinin tədqiqat qrupu, iki ölçülü materialın CVD sintezini rəhbər tutmağı öyrənmək üçün təsnifat alqoritmindən istifadə etdi. Erkən eksperimental məlumatların təhlil edilərək, Molibdenin Disulfide (MOS2) böyümə şərtlərini, eksperimental müvəffəqiyyət nisbətinin əhəmiyyətli dərəcədə yaxşılaşdırılması və təcrübələrin sayının azaldılmasını uğurla proqnozlaşdırdılar.

Şəkil 2 maşın öyrənmə təlimatları material sintezi

(a) maddi tədqiqat və inkişafın əvəzolunmaz bir hissəsi: material sintezi.

(b) Təsnifat modeli kimyəvi buxarlanmış materialları (yuxarı) sintez etmək üçün kimyəvi bulanmaya kömək edir; Reqressiya Model Bələdçiləri Kükürd-Azot Doped Fluorescent kvant nöqtələrinin hidrotermal sintezi (alt).

Başqa bir araşdırmada (Şəkil 3), maşın öyrənmə, CVD sistemindəki qrafenin böyümə nümunəsini təhlil etmək üçün istifadə edilmişdir. Qrafenin ölçüsü, əhatə dairəsi, əhatə dairəsi, domen sıxlığı və aspekt nisbəti avtomatik olaraq bir bölgə təklifi kassası çuxur şəbəkəsi (R-CNN), sonra surrotur şəbəkələri (Ann) və dəstəkləyən vektor maşınları (SVM) istifadə edərək və ölçülmüş xüsusiyyətlər arasındakı əlaqəni təmin etdi. Bu yanaşma qrafen sintezini simulyasiya edə bilər və qrafenin geniş taxıl ölçüsü və aşağı domen sıxlığı ilə istədiyi morfologiyası olan qrafenin sinteziental şəraitini müəyyənləşdirə bilər və aşağı domen sıxlığı, çox vaxt və dəyəri qənaət edir

Şəkil 3 Maşın Öyrənməsi, CVD sistemlərində qrafenin böyümə nümunələrini proqnozlaşdırır

(2) avtomatlaşdırılmış CVD prosesi

Maşın öyrənməsi, daha dəqiq nəzarət və daha yüksək istehsal səmərəliliyinə nail olmaq üçün real vaxt rejimində CVD prosesində parametrləri izləmək və tənzimləmək üçün avtomatlaşdırılmış sistemlərin hazırlanması üçün istifadə edilə bilər. Şəkil 4-də göstərildiyi kimi, Xidian Universitetindən olan bir araşdırma qrupu, CVD-nin iki ölçülü materialın fırlanma bucağını müəyyənləşdirməkdə çətinlikdən keçmək üçün dərin öyrənmə istifadə etdi. CVD tərəfindən hazırlanan MOS2-in rəng sahəsini topladılar və mos2-nin qalınlığını dəqiq və tez bir zamanda müəyyənləşdirmək üçün semantik bir seqmentational seqmoyma neyron şəbəkəsi (CNN-in (CNN-in (CVD-nin böyüdülmüş ikiqat qatlı tMD materiallarının dəqiq proqnozunu əldə etmək üçün ikinci CNN modelini hazırladılar. Bu üsul yalnız nümunə şəxsiyyətinin səmərəliliyini artırmır, eyni zamanda material elmləri sahəsində dərin öyrənmə tətbiqi üçün yeni bir paradiqma təqdim edir⁴.

Şəkil 4 Dərin öyrənmə metodları iki ölçülü iki ölçülü materialların künclərini müəyyənləşdirir

Arayışlar:

(1) guo, q.-m.; Qin, Z.-h. Atom istehsalında buxar çöküntü texnologiyasının inkişafı və tətbiqi. ACTA Physica Sinica 2021, 70 (2), 028101-028101-028101-028115. İki: 10.7498 / APS.70.20201436.

(2) yi, k .; Liu, d .; Chen, x.; Yang, j .; Wei, d .; Liu, y.; Wei, D. Plazma inkişaf etmiş kimyəvi buxarlanmış kimyəvi buxarlanmış materiallar üçün ikiölçülü materialların depozisi. Kimyəvi tədqiqatların hesabları 2021, 54 (4), 1011-1022. DOI: 10.1021 / ACS.ACCOUNTS.0C00757.

(3) Hwang, g .; Kim, t.; Shin, j .; Shin, n .; Hwang, S. CVD qrafin analizi üçün maşın öyrənmə: Ölçmədən Sem Görünüşləri Simulyasiyasına qədər. Sənaye və Mühəndislik Kimya Jurnalı 2021, 101, 430-444. DOI: https://doi.org/10.1016/j.jiec.2021.05.031.

(4) Hou, b.; Wu, j .; Qiu, D. Y. Fərdi Kohn-Sham Dövlətlərin fərdi öyrənilməsi: Çox bədən effektlərinin aşağı istiqamətləri üçün təfsir olunan nümayəndəliklər və nəticələr. 2024; P Arxiv: 2404.14601.