AI மற்றும் இயற்பியலின் இணைவு: நோபல் பரிசுக்குப் பின்னால் CVD தொழில்நுட்ப கண்டுபிடிப்பு

2024 ஆம் ஆண்டுக்கான இயற்பியலுக்கான நோபல் பரிசின் சமீபத்திய அறிவிப்பு செயற்கை நுண்ணறிவுத் துறையில் முன்னோடியில்லாத கவனத்தை ஈர்த்துள்ளது. அமெரிக்க விஞ்ஞானி ஜான் ஜே. ஹாப்ஃபீல்ட் மற்றும் கனேடிய விஞ்ஞானி ஜெஃப்ரி இ. ஹிண்டன் ஆகியோரால் நடத்தப்பட்ட ஆராய்ச்சி, இன்றைய இயற்பியலின் சிக்கலான உலகில் புதிய நுண்ணறிவுகளை வழங்க இயந்திர கற்றல் கருவிகளைப் பயன்படுத்தியுள்ளது. இந்த சாதனை AI தொழில்நுட்பத்தில் ஒரு முக்கிய மைல்கல்லை குறிப்பது மட்டுமின்றி இயற்பியல் மற்றும் செயற்கை நுண்ணறிவு ஆகியவற்றுக்கு இடையே ஒரு ஆழமான ஒருங்கிணைப்பை வெளிப்படுத்துகிறது.

இயற்பியலில் இரசாயன நீராவி படிவின் (CVD) முக்கியத்துவம் என்ன மற்றும் அது என்ன சவால்களை எதிர்கொள்கிறது?

இரசாயன நீராவி படிவு (CVD) தொழில்நுட்பம்இயற்பியலில் பன்முக முக்கியத்துவத்தை கொண்டுள்ளது, இயற்பியல் அறிவியலில் ஆராய்ச்சி மற்றும் பயன்பாடுகளை முன்னேற்றுவதில் முக்கிய பங்கு வகிக்கும் அதே வேளையில் ஒரு முக்கியமான பொருள் தயாரிப்பு நுட்பமாக செயல்படுகிறது. அணு மற்றும் மூலக்கூறு மட்டங்களில் பொருள் வளர்ச்சியின் மீது துல்லியமான கட்டுப்பாட்டை CVD செயல்படுத்துகிறது. படம் 1 இல் விளக்கப்பட்டுள்ளபடி, இந்த நுட்பத்தில் வாயு அல்லது நீராவி-கட்ட பொருட்கள் திடமான மேற்பரப்பில் இரசாயன எதிர்வினைகளுக்கு உட்பட்டு திட வைப்புகளை உருவாக்குகின்றன, இதன் மூலம் பல்வேறு உயர் செயல்திறன் கொண்ட படங்கள் மற்றும் நானோ கட்டமைக்கப்பட்ட பொருட்களை உருவாக்குகின்றன. பொருட்களின் நுண் கட்டமைப்புகள் மற்றும் அவற்றின் மேக்ரோஸ்கோபிக் பண்புகளுக்கு இடையிலான உறவைப் புரிந்துகொள்வதற்கும் ஆராய்வதற்கும் இயற்பியலில் இந்தத் திறன் முக்கியமானது, ஏனெனில் இது விஞ்ஞானிகளை குறிப்பிட்ட கட்டமைப்புகள் மற்றும் கலவைகளைக் கொண்ட பொருட்களைப் படிக்க அனுமதிக்கிறது, அதன் மூலம் அவற்றின் இயற்பியல் பண்புகளைப் பற்றிய ஆழமான நுண்ணறிவுகளைப் பெறுகிறது.

மேலும்,CVD தொழில்நுட்பம்செமிகண்டக்டர் சாதனங்களில் பல்வேறு செயல்பாட்டுத் திரைப்படங்களைத் தயாரிப்பதற்கான ஒரு முக்கிய முறையாகும். உதாரணமாக, அதை வளர பயன்படுத்தலாம்சிலிக்கான் ஒற்றை-படிக எபிடாக்சியல் அடுக்குகள், காலியம் ஆர்சனைடு போன்ற III-V குறைக்கடத்திகள், மற்றும் II-VI செமிகண்டக்டர் ஒற்றை-படிக எபி-லேயர்கள், அத்துடன் பல்வேறு டோப் செமிகண்டக்டர் சிங்கிள்-கிரிஸ்டல் எபிடாக்சியல் ஃபிலிம்கள் மற்றும் பாலிசிலிகான் ஃபிலிம்கள். இந்த பொருட்கள் மற்றும் கட்டமைப்புகள் நவீன மின்னணு மற்றும் ஆப்டோ எலக்ட்ரானிக் சாதனங்களின் அடித்தளத்தை உருவாக்குகின்றன. கூடுதலாக, ஆப்டிகல் பொருட்கள், சூப்பர் கண்டக்டிங் பொருட்கள் மற்றும் காந்த பொருட்கள் போன்ற ஆராய்ச்சி துறைகளில் CVD தொழில்நுட்பம் குறிப்பிடத்தக்க பங்கு வகிக்கிறது. CVD ஐப் பயன்படுத்துவதன் மூலம், ஆப்டோ எலக்ட்ரானிக் சாதனங்கள் மற்றும் ஆப்டிகல் சென்சார்களில் உள்ள பயன்பாடுகளுக்கு குறிப்பிட்ட ஒளியியல் பண்புகளைக் கொண்ட மெல்லிய பிலிம்களை ஒருங்கிணைக்க முடியும்.

அதன் நன்மைகள் இருந்தபோதிலும், CVD தொழில்நுட்பம் நடைமுறை பயன்பாடுகளில் பல சவால்களை எதிர்கொள்கிறது, அவை:

உயர் வெப்பநிலை மற்றும் உயர் அழுத்த நிலைமைகள்: CVD க்கு பெரும்பாலும் அதிக வெப்பநிலை அல்லது அழுத்தங்கள் தேவைப்படுகிறது, பயன்படுத்தக்கூடிய பொருட்களின் வகைகளை கட்டுப்படுத்துகிறது மற்றும் ஆற்றல் நுகர்வு மற்றும் செலவுகளை அதிகரிக்கிறது.

அளவுருக்களுக்கான உணர்திறன்: CVD செயல்முறை எதிர்வினை நிலைமைகளுக்கு மிகவும் உணர்திறன் கொண்டது, சிறிய மாறுபாடுகள் கூட இறுதி தயாரிப்பின் தரத்தை பாதிக்கும்.

CVD அமைப்புகளின் சிக்கலானது: இந்த செயல்முறை எல்லை நிலைமைகளுக்கு உணர்திறன் கொண்டது, குறிப்பிடத்தக்க நிச்சயமற்ற தன்மையை வெளிப்படுத்துகிறது, மேலும் மறுஉருவாக்கம் செய்வதைக் கட்டுப்படுத்துவது கடினமாக இருக்கலாம், பொருள் வளர்ச்சியை சிக்கலாக்கும்.

எப்படி செய்கிறதுஇரசாயன நீராவி படிவு (CVD) தொழில்நுட்பம்மெஷின் லேர்னிங்கின் பயன்?

இந்த சவால்களை எதிர்கொண்டு, ஒரு சக்திவாய்ந்த தரவு பகுப்பாய்வு கருவியாக, இயந்திர கற்றல், CVD துறையில் இந்த சிக்கல்களில் சிலவற்றை நிவர்த்தி செய்வதில் ஆற்றலைக் காட்டியுள்ளது. CVD தொழில்நுட்பத்தில் இயந்திர கற்றல் பயன்பாடுகளின் நிகழ்வுகள் இங்கே:

(1) CVD வளர்ச்சியை முன்னறிவித்தல்: இயந்திர கற்றல் வழிமுறைகள் பல்வேறு நிலைமைகளின் கீழ் CVD வளர்ச்சி விளைவுகளைக் கணிக்க விரிவான சோதனைத் தரவுகளிலிருந்து கற்றுக்கொள்ளலாம், இதன் மூலம் சோதனை அளவுருக்களின் சரிசெய்தலுக்கு வழிகாட்டுகிறது. படம் 1 இல் சித்தரிக்கப்பட்டுள்ளபடி, சிங்கப்பூரில் உள்ள நன்யாங் தொழில்நுட்ப பல்கலைக்கழகத்தின் ஆராய்ச்சிக் குழு, இரு பரிமாணப் பொருட்களின் CVD தொகுப்புக்கு வழிகாட்ட இயந்திரக் கற்றலில் வகைப்படுத்தல் வழிமுறைகளைப் பயன்படுத்தியது. ஆரம்பகால சோதனைத் தரவை பகுப்பாய்வு செய்வதன் மூலம், அவர்கள் மாலிப்டினம் டைசல்பைட்டின் (MoS2) வளர்ச்சி நிலைமைகளை வெற்றிகரமாக கணித்துள்ளனர், இது சோதனைகளின் வெற்றி விகிதத்தை கணிசமாக மேம்படுத்துகிறது மற்றும் சோதனைகளின் எண்ணிக்கையைக் குறைக்கிறது.

படம் 1: இயந்திர கற்றல்-வழிகாட்டப்பட்ட பொருள் தொகுப்பு. (அ) ​​பொருள் வளர்ச்சியின் ஒரு தவிர்க்க முடியாத பகுதி: பொருள் தொகுப்பு. (ஆ) வகைப்பாடு மாதிரிகள் இரசாயன நீராவி படிவு (CVD) இரு பரிமாண பொருட்களின் (மேல்) தொகுப்புக்கு உதவுகிறது; பின்னடைவு மாதிரிகள் சல்பர் மற்றும் நைட்ரஜன்-டோப் செய்யப்பட்ட ஃப்ளோரசன்ட் குவாண்டம் புள்ளிகளின் (கீழே) நீர் வெப்ப தொகுப்புக்கு வழிகாட்டுகின்றன.

மற்றொரு ஆய்வில், படம் 2 இல் காட்டப்பட்டுள்ளபடி, சிவிடி அமைப்புகளுக்குள் கிராபெனின் வளர்ச்சி முறைகளை பகுப்பாய்வு செய்ய இயந்திர கற்றல் பயன்படுத்தப்பட்டது. பிராந்திய முன்மொழிவு கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகளை (ஆர்-சிஎன்என்) உருவாக்குவதன் மூலம், கிராபெனின் அளவு, கவரேஜ், டொமைன் அடர்த்தி மற்றும் விகித விகிதத்தை ஆராய்ச்சியாளர்கள் தானாக அளவிட மற்றும் பகுப்பாய்வு செய்ய முடிந்தது. பின்னர், செயற்கை நரம்பியல் நெட்வொர்க்குகள் (ANN) மற்றும் ஆதரவு திசையன் இயந்திரங்கள் (SVM) ஆகியவற்றுக்கு இடையேயான தொடர்பைக் கண்டறிய மாற்று மாதிரிகளை உருவாக்கப் பயன்படுத்தப்பட்டன.CVD செயல்முறைமாறிகள் மற்றும் அளவிடப்பட்ட விவரக்குறிப்புகள். இந்த முறை கிராபெனின் தொகுப்பின் உருவகப்படுத்துதலை செயல்படுத்துகிறது மற்றும் பெரிய தானிய அளவுகள் மற்றும் குறைந்த டொமைன் அடர்த்தியுடன் கிராபெனை உற்பத்தி செய்வதற்கு தேவையான சோதனை நிலைமைகளை தீர்மானிக்கிறது, இதனால் குறிப்பிடத்தக்க நேரத்தையும் செலவுகளையும் மிச்சப்படுத்துகிறது.

படம் 2: CVD அமைப்புகளில் கிராபெனின் வளர்ச்சி முறைகளின் இயந்திர கற்றல் கணிப்பு

(2) தானியங்கு CVD செயல்முறை: CVD செயல்பாட்டின் போது நிகழ்நேரத்தில் அளவுருக்களை கண்காணித்து சரிசெய்யும் தானியங்கு அமைப்புகளை உருவாக்க இயந்திர கற்றல் பயன்படுத்தப்படலாம், மேலும் துல்லியமான கட்டுப்பாடு மற்றும் அதிக உற்பத்தி செயல்திறனை அடைகிறது. படம் 3 இல் காட்டப்பட்டுள்ளபடி, Xidian பல்கலைக்கழகத்தைச் சேர்ந்த ஒரு ஆராய்ச்சிக் குழு, CVD ஆல் தயாரிக்கப்பட்ட இரு அடுக்கு இரு பரிமாணப் பொருட்களின் சுழற்சிக் கோணத்தை அங்கீகரிப்பதில் உள்ள சவாலை சமாளிக்க ஆழ்ந்த கற்றலைப் பயன்படுத்தியது. CVD-தயாரிக்கப்பட்ட MoS2 இன் வண்ண இடத்தைச் சேகரித்து, சொற்பொருள் பிரிவு கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகளை (CNN) பயன்படுத்துவதன் மூலம், அவர்களால் MoS2 இன் தடிமன் துல்லியமாகவும் விரைவாகவும் கண்டறிய முடிந்தது. பின்னர் அவர்கள் CVD ஆல் வளர்க்கப்படும் இரண்டு அடுக்கு TMD பொருட்களின் சுழற்சி கோணத்தை துல்லியமாக கணிக்க இரண்டாவது CNN மாதிரியை பயிற்றுவித்தனர். இந்த முறை மாதிரி அடையாளம் காணும் திறனை மேம்படுத்தியது மட்டுமல்லாமல், பொருள் அறிவியல் துறையில் ஆழ்ந்த கற்றலைப் பயன்படுத்துவதற்கான ஒரு புதிய முன்னுதாரணத்தையும் வழங்கியது.

படம் 3: பைலேயர் இரு பரிமாணப் பொருட்களின் சுழற்சிக் கோணத்தைக் கண்டறிவதற்கான ஆழமான கற்றல் அணுகுமுறை

அவுட்லுக்

செயற்கை நுண்ணறிவு மற்றும் இயற்பியலின் ஒருங்கிணைப்பு மேலும் புதுமைகளையும் முன்னேற்றங்களையும் கொண்டு வரும் என்பதை நோபல் பரிசு அறிவிப்பு மீண்டும் நமக்கு நினைவூட்டுகிறது. இயந்திரக் கற்றல் தொழில்நுட்பம் தொடர்ந்து முன்னேறி வருவதால், அதை நம்புவதற்கு நமக்குக் காரணம் இருக்கிறதுஇரசாயன நீராவி படிவு தொழில்நுட்பம்எதிர்காலத்தில் புதிய வளர்ச்சி வாய்ப்புகளை சந்திக்கும். இவை அனைத்தும் ஒரு புதிய சகாப்தத்தின் விடியலைக் குறிக்கிறது, அங்கு தொழில்நுட்பம் மற்றும் அறிவியலின் ஒருங்கிணைப்பு ஆய்வுக்கான பரந்த வழிகளைத் திறக்கும்.

செமிகோரெக்ஸ் சலுகைகள்SiC/TaC பூச்சு கிராஃபைட்மற்றும்பீங்கான் பொருட்கள் இரசாயன நீராவி படிவு (CVD) செயல்முறை மூலம். உங்களிடம் ஏதேனும் விசாரணைகள் இருந்தால் அல்லது கூடுதல் விவரங்கள் தேவைப்பட்டால், தயவுசெய்து எங்களைத் தொடர்புகொள்ள தயங்க வேண்டாம்.

தொடர்பு தொலைபேசி எண் +86-13567891907

மின்னஞ்சல்: sales@semicorex.com