Süni intellekt və fizikanın birləşməsi: Nobel mükafatının arxasında CVD texnoloji innovasiyası

Fizika üzrə 2024-cü il Nobel Mükafatının bu yaxınlarda elan edilməsi süni intellekt sahəsinə görünməmiş diqqəti cəlb edib. Amerikalı alim Con J. Hopfild və kanadalı alim Geoffrey E. Hinton tərəfindən aparılan tədqiqat müasir fizikanın mürəkkəb dünyasına yeni anlayışlar təqdim etmək üçün maşın öyrənmə vasitələrindən istifadə etmişdir. Bu nailiyyət təkcə süni intellekt texnologiyasında mühüm bir mərhələni qeyd etmir, həm də fizika və süni intellekt arasında dərin inteqrasiyadan xəbər verir.

Fizikada Kimyəvi Buxar Çöküntüsünün (CVD) əhəmiyyəti nədir və O, Hansı Problemlərlə üzləşir?

Kimyəvi buxar çökdürmə (CVD) texnologiyasıfizikada çoxşaxəli əhəmiyyətə malikdir, fizika elmlərində tədqiqat və tətbiqlərin inkişafında mühüm rol oynayarkən mühüm material hazırlama texnikası kimi xidmət edir. CVD atomik və molekulyar səviyyələrdə material artımına dəqiq nəzarət etməyə imkan verir. Şəkil 1-də göstərildiyi kimi, bu texnika bərk çöküntülər yaratmaq üçün bərk səthlərdə kimyəvi reaksiyalara məruz qalan qaz və ya buxar fazalı maddələri əhatə edir və bununla da müxtəlif yüksək performanslı filmlər və nanostrukturlu materiallar istehsal edir. Bu qabiliyyət materialların mikrostrukturları ilə onların makroskopik xassələri arasındakı əlaqəni başa düşmək və araşdırmaq üçün fizikada həyati əhəmiyyət kəsb edir, çünki o, alimlərə xüsusi strukturları və kompozisiyaları olan materialları öyrənməyə və bununla da onların fiziki xassələri haqqında dərindən fikir əldə etməyə imkan verir.

Bundan başqa,CVD texnologiyasıyarımkeçirici cihazlarda müxtəlif funksional plyonkaların istehsalı üçün əsas üsuldur. Məsələn, böyümək üçün istifadə edilə bilərsilisium monokristallı epitaksial təbəqələr, Qallium arsenid kimi III-V yarımkeçiricilər və II-VI yarımkeçirici bir kristal epi-qatlar, eləcə də müxtəlif qatqılı yarımkeçirici monokristal epitaksial filmlər və polisilikon plyonkalar yerləşdirir. Bu materiallar və strukturlar müasir elektron və optoelektronik cihazların əsasını təşkil edir. Bundan əlavə, CVD texnologiyası optik materiallar, superkeçirici materiallar və maqnit materiallar kimi tədqiqat sahələrində mühüm rol oynayır. CVD istifadə edərək, spesifik optik xüsusiyyətlərə malik nazik filmlər optoelektronik cihazlarda və optik sensorlarda tətbiqlər üçün sintez edilə bilər.

Üstünlüklərinə baxmayaraq, CVD texnologiyası praktik tətbiqlərdə bir sıra problemlərlə üzləşir, məsələn:

Yüksək temperatur və yüksək təzyiq şərtləri: CVD tez-tez yüksək temperatur və ya təzyiq tələb edir, istifadə edilə bilən material növlərini məhdudlaşdırır və enerji istehlakını və xərcləri artırır.

Parametrlərə qarşı həssaslıq: CVD prosesi reaksiya şərtlərinə son dərəcə həssasdır, hətta kiçik dəyişikliklər də son məhsulun keyfiyyətinə potensial təsir göstərir.

CVD sistemlərinin mürəkkəbliyi: Proses sərhəd şərtlərinə həssasdır, əhəmiyyətli qeyri-müəyyənlik nümayiş etdirir və təkrar istehsalla idarə etmək çətin ola bilər, materialın inkişafını potensial olaraq çətinləşdirə bilər.

NecəKimyəvi Buxar Depoziti (CVD) TexnologiyasıMaşın Öyrənməsindən faydalanırsınız?

Bu çətinliklərlə qarşılaşdıqda, maşın öyrənməsi güclü məlumat təhlili vasitəsi kimi CVD sahəsində bu problemlərin bəzilərinin həllində potensial nümayiş etdirdi. CVD texnologiyasında maşın öyrənmə tətbiqləri halları bunlardır:

(1) CVD artımının proqnozlaşdırılması: Maşın öyrənmə alqoritmləri müxtəlif şərtlərdə CVD artımının nəticələrini proqnozlaşdırmaq üçün geniş eksperimental məlumatlardan öyrənə və bununla da eksperimental parametrlərin tənzimlənməsinə rəhbərlik edə bilər. Şəkil 1-də göstərildiyi kimi, Sinqapurdakı Nanyang Texnoloji Universitetində tədqiqat qrupu iki ölçülü materialların CVD sintezinə rəhbərlik etmək üçün maşın öyrənməsində təsnifat alqoritmlərindən istifadə etdi. Erkən eksperimental məlumatları təhlil edərək, onlar molibden disulfidin (MoS2) böyümə şərtlərini uğurla proqnozlaşdırdılar, təcrübələrin müvəffəqiyyət dərəcəsini əhəmiyyətli dərəcədə yaxşılaşdırdılar və sınaqların sayını azaltdılar.

Şəkil 1: Maşın Öyrənməsi ilə İdarə olunan Material Sintezi. (a) Maddi inkişafın əvəzsiz hissəsi: material sintezi. (b) Təsnifat modelləri iki ölçülü materialların kimyəvi buxar çökdürülməsi (CVD) sintezini asanlaşdırır (yuxarı); reqressiya modelləri kükürdün və azotla zənginləşdirilmiş flüoresan kvant nöqtələrinin (aşağıda) hidrotermal sintezinə rəhbərlik edir.

Başqa bir araşdırmada, Şəkil 2-də göstərildiyi kimi, CVD sistemlərində qrafen artım nümunələrini təhlil etmək üçün maşın öyrənməsi istifadə edilmişdir. Bölgə təklifi olan konvolyusiya neyron şəbəkələrini (R-CNN) inkişaf etdirərək, tədqiqatçılar qrafenin ölçüsünü, əhatə dairəsini, domen sıxlığını və aspekt nisbətini avtomatik ölçə və təhlil edə bildilər. Daha sonra, süni neyron şəbəkələri (ANN) və dəstək vektor maşınları (SVM) arasında korrelyasiyanı çıxarmaq üçün surroqat modellər hazırlamaq üçün istifadə edilmişdir.CVD prosesidəyişənlər və ölçülən spesifikasiyalar. Bu üsul qrafen sintezinin simulyasiyasına imkan verir və böyük taxıl ölçüləri və aşağı domen sıxlığı ilə qrafenin istehsalı üçün zəruri olan eksperimental şərtləri müəyyən edir, bununla da xeyli vaxt və xərclərə qənaət edir.

Şəkil 2: CVD Sistemlərində Qrafen Böyümə Nümunələrinin Maşın Öyrənmə Proqnozu

(2) Avtomatlaşdırılmış CVD Prosesi: Maşın öyrənməsi CVD prosesi zamanı real vaxt rejimində parametrləri izləyən və tənzimləyən, daha dəqiq nəzarətə və daha yüksək istehsal səmərəliliyinə nail olan avtomatlaşdırılmış sistemlər hazırlamaq üçün istifadə edilə bilər. Şəkil 3-də göstərildiyi kimi, Xidian Universitetinin tədqiqat qrupu CVD tərəfindən hazırlanmış ikiqatlı ikiölçülü materialların fırlanma bucağının tanınması çətinliyini aradan qaldırmaq üçün dərin öyrənmə metodundan istifadə etmişdir. CVD ilə hazırlanmış MoS2-nin rəng məkanını toplamaq və semantik seqmentasiya konvolyusiya neyron şəbəkələrini (CNN) tətbiq etməklə, onlar MoS2 qalınlığını dəqiq və tez müəyyən edə bilmişlər. Daha sonra CVD tərəfindən yetişdirilən ikiqatlı TMD materiallarının fırlanma bucağını dəqiq proqnozlaşdırmaq üçün ikinci CNN modelini öyrətdilər. Bu üsul yalnız nümunənin identifikasiyası səmərəliliyini artırmaqla yanaşı materialşünaslıq sahəsində dərin öyrənmənin tətbiqi üçün yeni paradiqma təmin etdi.

Şəkil 3: İkiqatlı ikiölçülü materialların fırlanma bucağının müəyyən edilməsi üçün dərin öyrənmə yanaşması

Outlook

Nobel mükafatının elan edilməsi bir daha xatırladır ki, süni intellekt və fizikanın inteqrasiyası daha çox yenilik və irəliləyişlər gətirəcək. Maşın öyrənmə texnologiyası irəliləməyə davam etdikcə buna inanmaq üçün əsasımız varkimyəvi buxar çökdürmə texnologiyasıgələcəkdə yeni inkişaf imkanları ilə qarşılaşacaq. Bütün bunlar texnologiya və elmin yaxınlaşmasının kəşfiyyat üçün daha geniş yollar açacağı yeni dövrün başlanğıcından xəbər verir.

Semicorex təklif edirSiC/TaC örtüklü qrafitvəkeramika materialları kimyəvi buxar çökmə (CVD) prosesi vasitəsilə. Hər hansı bir sualınız varsa və ya əlavə məlumatlara ehtiyacınız varsa, bizimlə əlaqə saxlamaqdan çəkinməyin.

Əlaqə telefonu +86-13567891907

E-poçt: sales@semicorex.com