コンピュータチップを製造するために、世界中の技術者は原子層堆積（ALD）に依存しています。これは、XNUMX原子の厚さの微細な膜を作成できます。 企業は一般的にALDを使用して 半導体 デバイスだけでなく、太陽電池、リチウム電池、その他のエネルギー関連分野にも応用されています。
今日、メーカーは新しいタイプのフィルムを作るためにALDにますます依存していますが、新しい材料ごとにプロセスを微調整する方法を見つけるには時間がかかります。
問題の一部は、研究者が主に試行錯誤を使用して最適な成長条件を特定することです。 しかし、最近発表された研究（この科学分野で最初の研究のXNUMXつ）は、人工知能（AI）を使用する方が効率的である可能性があることを示唆しています。
ACS Applied Materials＆Interfaces 研究では、米国エネルギー省（DOE）のアルゴンヌ国立研究所の研究者が、ALDプロセスを自律的に最適化するための複数のAIベースのアプローチについて説明しています。 彼らの研究は、各アプローチの相対的な長所と短所、および新しいプロセスをより効率的かつ経済的に開発するために使用できる洞察を詳しく説明しています。
これらのアルゴリズムはすべて、今日のようにサンプルをリアクターに入れたり、取り出したり、測定したりするのに時間を費やしていないため、最適な組み合わせに収束するためのはるかに高速な方法を提供します。 代わりに、reactorに接続するリアルタイムループがあります。
最先端ですが、課題があります
ALDでは、前駆体と呼ばれるXNUMXつの異なる化学物質の蒸気が表面に付着し、その過程でフィルムの薄層が追加されます。 これはすべて化学反応器内で発生し、順次発生します。XNUMXつの前駆体が追加されて表面と相互作用し、過剰な前駆体が除去されます。 その後、XNUMX番目の前駆体が導入され、後で除去され、プロセスが繰り返されます。 マイクロエレクトロニクスでは、ALD薄膜を使用して、ナノスケールトランジスタの近くのコンポーネントを電気的に絶縁することができます。
ALDは、今日のコンピューターチップを製造するために、シリコンウェーハにパターン化された深くて狭いトレンチなど、複雑な3D表面上で正確なナノスケールの膜を成長させることに優れています。 これにより、世界中の科学者が次世代の新しい薄膜ALD材料を開発するようになりました。 半導体 デバイス。