Ettersom transistorer fortsetter å miniatyriseres, blir kanalene som de leder strøm gjennom, smalere og smalere, noe som krever fortsatt bruk av materialer med høy elektronmobilitet. Todimensjonale materialer som molybdendisulfid er ideelle for høy elektronmobilitet, men når de kobles sammen med metalltråder, dannes en Schottky-barriere ved kontaktgrensesnittet, et fenomen som hemmer ladningsstrømmen.
I mai 2021 bekreftet et felles forskerteam ledet av Massachusetts Institute of Technology og deltatt av TSMC og andre at bruk av semi-metall vismut kombinert med riktig arrangement mellom de to materialene kan redusere kontaktmotstanden mellom ledningen og enheten , og dermed eliminere dette problemet. , som bidrar til å oppnå de skremmende utfordringene med halvledere under 1 nanometer.
MIT-teamet fant at å kombinere elektroder med semimetallvismut på et todimensjonalt materiale kan redusere motstanden og øke overføringsstrømmen. TSMCs tekniske forskningsavdeling optimaliserte deretter vismutavsetningsprosessen. Til slutt brukte National Taiwan University-teamet et "helium ion beam litografisystem" for å redusere komponentkanalen til nanometerstørrelse.
Etter å ha brukt vismut som nøkkelstrukturen til kontaktelektroden, er ytelsen til den todimensjonale materialtransistoren ikke bare sammenlignbar med den til silisiumbaserte halvledere, men også kompatibel med dagens mainstream silisiumbaserte prosessteknologi, som vil bidra til å bryte gjennom grensene for Moores lov i fremtiden. Dette teknologiske gjennombruddet vil løse hovedproblemet med todimensjonale halvledere som kommer inn i industrien og er en viktig milepæl for at integrerte kretser skal fortsette å utvikle seg i post-Moore-tiden.
I tillegg er bruk av databasert materialvitenskap for å utvikle nye algoritmer for å akselerere oppdagelsen av flere nye materialer også et hot spot i den nåværende utviklingen av materialer. For eksempel publiserte Ames Laboratory ved det amerikanske energidepartementet i januar 2021 en artikkel om "Cuckoo Search"-algoritmen i tidsskriftet "Natural Computing Science". Denne nye algoritmen kan søke etter legeringer med høy entropi. tid fra uker til sekunder. Maskinlæringsalgoritmen utviklet av Sandia National Laboratory i USA er 40 000 ganger raskere enn vanlige metoder, noe som forkorter designsyklusen til materialteknologi med nesten ett år. I april 2021 utviklet forskere ved University of Liverpool i Storbritannia en robot som uavhengig kan designe kjemiske reaksjonsruter innen 8 dager, fullføre 688 eksperimenter og finne en effektiv katalysator for å forbedre den fotokatalytiske ytelsen til polymerer.
Det tar måneder å gjøre det manuelt. Osaka University, Japan, ved å bruke 1200 fotovoltaiske cellematerialer som en treningsdatabase, studerte forholdet mellom strukturen til polymermaterialer og fotoelektrisk induksjon gjennom maskinlæringsalgoritmer, og vellykket screenet ut strukturen til forbindelser med potensielle anvendelser innen 1 minutt. Tradisjonelle metoder krever 5 til 6 år.
Innleggstid: 11. august 2022