Halbleiter und Mikroelektronik

Beschreibung
Sagen Sie die dielektrischen, thermischen und elektronischen Eigenschaften von Halbleitermaterialien voraus, bevor Sie einen Wafer wachsen lassen. MatterSeek kombiniert eine HNN-Engine mit einem autonomen Labor.

Halbleiter und Mikroelektronik —Materialsystem / Vorhersehbare Leistung / Validierungspfad
KI für Halbleitermaterialien – Überprüfen Sie Dielektrika, Wide-Bandgap- und Dünnschichtkandidaten, bevor Sie einen Wafer wachsen lassen
Dielektrika, Verbindungen mit großer Bandlücke, Dünnfilmstapel und Verpackungsmaterialien können alle in der Software überprüft werden, bevor ein einzelner Abscheidungs- oder elektrischer Testzyklus geplant wird – und dann in einem autonomen Labor validiert werden.
Ein neues Low-k-Dielektrikum, ein High-k-Gate-Oxid oder eine Verbindung mit großer Bandlücke durchläuft typischerweise die Synthese, Abscheidung, Strukturierung, Ausheilung und elektrische Charakterisierung, bevor irgendjemand weiß, ob die Formulierung realisierbar ist. Diese Schleife kostet Wochen pro Kandidat und erzeugt Daten, die selten auf die nächste Komposition übertragen werden können.
MatterSeek analysiert die Beschreibung, erstellt den Kompositionsraum und gibt eingestufte Kandidaten mit vorhergesagten Eigenschaften und Unsicherheiten zurück. Die Zusammensetzungsverwaltung unterstützt ein bis vier Basiselemente mit einer Dotierungsniveaukontrolle mit einer Genauigkeit von 0,02, was dem tatsächlichen Umfang von Halbleiterdotierungsstudien entspricht. Die Vorhersage dauert etwa eine Minute für zwei Basiselemente, zwei Minuten für drei und sieben Minuten für vier.
Der Motor deckt Familien ab, die elektrochemisches, dielektrisches, thermisches, thermodynamisches, magnetisches, optisches und mechanisches Verhalten umfassen – darunter Dielektrizitätskonstante, Schmelzpunkt, supraleitende kritische Temperatur, Seebeck-Koeffizient, Leistungsfaktor und thermoelektrische Gütezahl. Die Ergebnisse werden als Radardiagramme für den Vergleich mehrerer Liegenschaften, als 2D- und 3D-Heatmaps für Zusammensetzungs-Liegenschaftslandschaften und als exportierbare Datentabellen zurückgegeben.
Voraussichtliche Kandidaten können in das 1.200 m² große autonome Labor von MatterSeek geschoben werden, das in sechs Prozessclustern organisiert ist, die eine saubere Dünnschichtabscheidung und Nachbehandlung umfassen. Die Charakterisierung – XRD, RFA, Raman und gleichzeitige thermische Analyse – erfolgt automatisiert, wobei je nach Syntheseroute ein Ziel von 300 bis 500 Proben pro Tag angegeben wird. Die Modellgenauigkeit liegt im Vergleich zu physikalischen Messungen bei 95,7 %, und die gemessenen Ergebnisse werden zurückgekoppelt, um die nächste Vorhersagerunde zu verfeinern.
Dazu gehören dielektrische und isolierende Schichten, Verbindungen mit großer Bandlücke für Leistungsgeräte, Dünnschicht- und Verbindungsmaterialien sowie Verpackungsmaterialien.
FAQ
F: Kann KI die Dielektrizitätskonstante vorhersagen, bevor ein Material synthetisiert wird?
A: Ja. MatterSeek sagt die Dielektrizitätskonstante und andere Eigenschaften allein anhand der Zusammensetzung voraus und gibt einen Wert mit einem Unsicherheitsbereich zurück, sodass Sie die Kandidaten einordnen können, bevor Sie Abscheidungs- und Testkapazitäten festlegen.
F: Wie viele Elemente können gleichzeitig gescreent werden?
A: Ein bis vier Basiselemente mit einer Dotierungsgenauigkeit von 0,02.
F: Ersetzt die Plattform die elektrische Charakterisierung?
A: Nein. Die Vorhersage schränkt den Suchraum ein; Die physikalische Messung bleibt der letzte Schiedsrichter. Der Wert liegt darin, wie wenige Kandidaten jetzt einer Messung bedürfen.
Yuyao (Beijing) Technology Co., Ltd. ist ein professionelles Unternehmen, das sich auf die Schnittstelle von KI und fortschrittlichen Materialien der Halbleiter- und Mikroelektronik spezialisiert hat. Das Unternehmen hat MatterSeek unabhängig entwickelt – ein grundlegendes großes Modell, das auf den Materialsektor zugeschnitten ist – und Pionierarbeit für den HNN-Algorithmus (Hierarchical Neural Network) geleistet und gleichzeitig eine proprietäre, kontrollierbare Datenbank für Materialexperimente aufgebaut.

