为了制造计算机芯片,世界各地的技术人员都依赖原子层沉积 (ALD),它可以制造出只有一个原子厚的薄膜。企业通常使用 ALD 来制造半导体器件,但它也应用于太阳能电池、锂电池和其他能源相关领域。
今天,制造商越来越依赖 ALD 来制造新型薄膜,但弄清楚如何为每种新材料调整工艺需要时间。
部分问题在于研究人员主要使用反复试验来确定最佳生长条件。但最近发表的一项研究——该科学领域的首批研究之一——表明使用人工智能 (AI) 可以更有效。
在ACS Applied Materials & Interfaces研究中,美国能源部 (DOE) 阿贡国家实验室的研究人员描述了多种基于 AI 的方法来自主优化 ALD 工艺。他们的工作详细说明了每种方法的相对优势和劣势,以及可用于更有效、更经济地开发新流程的见解。
“所有这些算法都提供了一种更快地收敛到最佳组合的方法,因为您不必像今天通常那样花时间将样品放入反应器中,取出样品,进行测量等。相反,您拥有实时与反应堆连接的回路,”该研究的合著者、Argonne 首席材料科学家 Angel Yanguas-Gil 说。
前沿,但也面临挑战
在 ALD 中,两种不同的化学蒸气(称为前体)粘附在表面上,在此过程中添加了一层薄膜。这一切都发生在化学反应器内,并且是连续的:添加一种前体并与表面相互作用,然后去除多余的前体。然后引入第二个前体,然后取出,重复该过程。在微电子领域,ALD 薄膜可用于电绝缘纳米级晶体管中的附近组件。