Efterhånden som transistorer fortsætter med at blive miniaturiseret, bliver kanalerne, hvorigennem de leder strøm, smallere og smallere, hvilket kræver fortsat brug af materialer med høj elektronmobilitet. Todimensionelle materialer såsom molybdændisulfid er ideelle til høj elektronmobilitet, men når de forbindes med metaltråde, dannes en Schottky-barriere ved kontaktgrænsefladen, et fænomen, der hæmmer ladningsstrømmen.
I maj 2021 bekræftede et fælles forskerhold ledet af Massachusetts Institute of Technology og deltog af TSMC og andre, at brugen af semi-metal bismuth kombineret med det korrekte arrangement mellem de to materialer kan reducere kontaktmodstanden mellem ledningen og enheden , hvorved dette problem elimineres. , der hjælper med at nå de skræmmende udfordringer ved halvledere under 1 nanometer.
MIT-holdet fandt ud af, at kombination af elektroder med semimetallisk bismuth på et todimensionalt materiale kan reducere modstanden og øge transmissionsstrømmen. TSMC's tekniske forskningsafdeling optimerede derefter bismuthaflejringsprocessen. Endelig brugte National Taiwan University-teamet et "helium-ion-strålelitografisystem" til med succes at reducere komponentkanalen til nanometerstørrelse.
Efter at have brugt bismuth som kontaktelektrodens nøglestruktur, er ydeevnen af den todimensionelle materialetransistor ikke kun sammenlignelig med den for siliciumbaserede halvledere, men også kompatibel med den nuværende almindelige siliciumbaserede procesteknologi, som vil bidrage til at bryde igennem grænserne for Moores lov i fremtiden. Dette teknologiske gennembrud vil løse hovedproblemet med todimensionelle halvledere, der kommer ind i industrien og er en vigtig milepæl for integrerede kredsløb til fortsat at udvikle sig i post-Moore-æraen.
Derudover er brugen af computermaterialevidenskab til at udvikle nye algoritmer til at fremskynde opdagelsen af flere nye materialer også et hot spot i den nuværende udvikling af materialer. For eksempel offentliggjorde Ames Laboratory i det amerikanske energiministerium i januar 2021 en artikel om "Cuckoo Search"-algoritmen i tidsskriftet "Natural Computing Science". Denne nye algoritme kan søge efter højentropi-legeringer. tid fra uger til sekunder. Maskinlæringsalgoritmen udviklet af Sandia National Laboratory i USA er 40.000 gange hurtigere end almindelige metoder, hvilket forkorter materialeteknologiens designcyklus med næsten et år. I april 2021 udviklede forskere ved University of Liverpool i Storbritannien en robot, der selvstændigt kan designe kemiske reaktionsruter inden for 8 dage, gennemføre 688 eksperimenter og finde en effektiv katalysator til at forbedre den fotokatalytiske ydeevne af polymerer.
Det tager måneder at gøre det manuelt. Osaka University, Japan, ved at bruge 1.200 fotovoltaiske cellematerialer som en træningsdatabase, studerede forholdet mellem strukturen af polymermaterialer og fotoelektrisk induktion gennem maskinlæringsalgoritmer, og med succes screenede strukturen af forbindelser med potentielle anvendelser inden for 1 minut. Traditionelle metoder kræver 5 til 6 år.
Indlægstid: Aug-11-2022