Semicondutores e Microeletrônica

Descrição
Preveja propriedades dielétricas, térmicas e eletrônicas de materiais semicondutores antes de desenvolver um wafer. MatterSeek combina um mecanismo HNN com um laboratório autônomo.

Semicondutores e Microeletrônica -Sistema de Materiais / Desempenho Previsível / Caminho de Validação
IA para materiais semicondutores – candidatos a dielétricos de tela, banda larga e filme fino antes de desenvolver um wafer
Dielétricos, compostos de banda larga, pilhas de filmes finos e materiais de embalagem podem ser selecionados em software antes de uma única deposição ou ciclo de teste elétrico ser agendado – e depois validados em um laboratório autônomo.
Um novo dielétrico de baixo k, um óxido de porta de alto k ou um composto de banda larga normalmente passa por síntese, deposição, padronização, recozimento e caracterização elétrica antes que alguém saiba se a formulação é viável. Esse ciclo custa semanas por candidato e produz dados que raramente são generalizados para a próxima composição.
MatterSeek analisa a descrição, constrói o espaço de composição e retorna candidatos classificados com propriedades previstas e incerteza. O manuseio de composição suporta de um a quatro elementos base com controle de nível de dopagem com precisão de 0,02, o que corresponde ao escopo real dos estudos de dopagem de semicondutores. A previsão é executada em aproximadamente um minuto para dois elementos básicos, dois minutos para três e sete minutos para quatro.
O motor abrange famílias que incluem comportamento eletroquímico, dielétrico, térmico, termodinâmico, magnético, óptico e mecânico - entre eles constante dielétrica, ponto de fusão, temperatura crítica supercondutora, coeficiente de Seebeck, fator de potência e figura de mérito termoelétrico. Os resultados são retornados como gráficos de radar para comparação de múltiplas propriedades, mapas de calor 2D e 3D para paisagens de composição-propriedade e tabelas de dados exportáveis.
Os candidatos previstos podem ser empurrados para o laboratório autônomo de 1.200 m² da MatterSeek, organizado em seis grupos de processos que incluem deposição limpa de filmes finos e pós-tratamento. A caracterização — XRD, XRF, Raman e análise térmica simultânea — é automatizada, com uma meta declarada de 300 a 500 amostras por dia, dependendo da rota de síntese. A precisão do modelo é de 95,7% em relação à medição física, e os resultados medidos retroalimentam para refinar a próxima rodada de previsão.
Inclui camadas dielétricas e isolantes, compostos de banda larga para dispositivos de energia, filmes finos e materiais de interconexão e materiais de embalagem.
Perguntas frequentes
P: A IA pode prever a constante dielétrica antes que um material seja sintetizado?
R: Sim. O MatterSeek prevê a constante dielétrica e outras propriedades apenas a partir da composição, retornando um valor com uma faixa de incerteza para que você possa classificar os candidatos antes de confirmar a deposição e a capacidade de teste.
P: Quantos elementos podem ser selecionados de uma vez?
R: Um a quatro elementos de base, com precisão de nível de dopagem de 0,02.
P: A plataforma substitui a caracterização elétrica?
R: Não. A previsão restringe o espaço de pesquisa; a medição física continua sendo o árbitro final. O valor está em quão poucos candidatos agora precisam de medição.
Yuyao (Pequim) Technology Co., Ltd. é uma empresa profissional especializada na interseção de IA e materiais avançados de semicondutores e microeletrônica. A empresa desenvolveu de forma independente o MatterSeek – um grande modelo básico adaptado ao setor de materiais – e foi pioneira no algoritmo HNN (Rede Neural Hierárquica), ao mesmo tempo em que construiu um banco de dados proprietário e controlável de experimentos de materiais.

