復旦Nat. Commun.:機器學習優化制造基于二維半導體的晶圓級功能電路 2023年10月12日 下午10:07 ? 頭條, 干貨, 頂刊 ? 閱讀 16 在石墨烯開創性研究的推動下,二維層狀材料 (2DLM) 家族已經被研究了十余年,并展示出了具有吸引力的功能。然而,仍然存在阻礙高質量增長和電路級集成的挑戰,以往的研究仍遠未符合行業標準。 在此,復旦大學包文中研究員、周鵬教授及萬景研究員等人通過利用機器學習 (ML) 算法來評估影響MoS2頂柵場效應晶體管 (FET) 電氣特性的關鍵工藝參數來克服這些挑戰。 然后,在ML結合網格搜索的指導下,晶圓級加工過程將協同優化器件性能,包括載流子遷移率、閾值電壓、亞閾值擺動和電流開關比。與傳統的實驗設計(DoE)相比,這種ML輔助方法可以有效減少復雜協同優化的研究工作量。 圖1. 機器學習輔助優化MoS2器件工藝 此外,由于構建在晶圓上的FET具有高均勻性,因此作者使用RPI模型(級別= 62)在HSPICE模擬器中模擬MoS2 FET進一步用于構建功能性數字、模擬和光電檢測電路。最后,作者展示了采用行業標準的設計流程和FET的晶圓級加工。 綜上所述,這些結果通過實驗驗證了ML輔助制造優化對電子材料的應用潛力,這項研究只是一個案例,其減少器件優化學習周期的能力可以擴展到其他新興電子材料和新型器件。 圖2. 基于MoS2 TG-FET的邏輯電路 圖3. 由MoS2 FET構建的晶圓級集成電路 Wafer-scale functional circuits based on two dimensional semiconductors with fabrication optimized by machine learning, Nature Communications 2021. DOI: 10.1038/s41467-021-26230-x 原創文章,作者:科研小搬磚,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/12/96998bbd97/ 電池 贊 (0) 0 生成海報 相關推薦 ACS Catalysis:高分散Pt@CeO2的動態穩定性顯著影響CO氧化反應活性! 2024年3月28日 山大王安良Chem. Eng. J.: 微量Ir誘導協同電子和形態調節提高了寬pH范圍內Co NRAs OER性能 2023年10月18日 ?戴宏杰最新Nature一作告訴你,發正刊有多困難 2023年10月12日 ?三單位聯合NML:FEHCOOH=97%! MOF衍生的In2O3-x@C將CO2高效還原為HCOOH 2023年11月1日 陳人杰/陳楠EnSM: 溴化咪唑作為可充電鋰氧電池的三功能添加劑 2023年10月15日 ?北化工劉文AM:雙殼納米籠內的串聯催化實現高性能鋰硫電池 2023年12月18日