Исследователи из Аргонны используют искусственный интеллект для оптимизации популярного метода покрытия материалов в режиме реального времени

Главная > Нажмите > Исследователи из Аргонны используют ИИ для оптимизации популярной техники нанесения покрытий в режиме реального времени.

(Изображение сделано Fotogrin / Shutterstock.)

Абстрактные:
При создании компьютерных чипов технологи всего мира полагаются на осаждение атомных слоев (ALD), которое позволяет создавать пленки толщиной в один атом. Компании обычно используют ALD для изготовления полупроводниковых устройств, но он также находит применение в солнечных элементах, литиевых батареях и других областях, связанных с энергией.

Исследователи из Аргонны используют искусственный интеллект для оптимизации популярной техники нанесения покрытия в режиме реального времени.

Аргонн, Иллинойс | Отправлено: 25 июня 2021 г.

Сегодня производители все больше полагаются на ALD при создании новых типов пленок, но на то, чтобы понять, как настроить процесс для каждого нового материала, нужно время.

Отчасти проблема заключается в том, что исследователи в первую очередь используют метод проб и ошибок для определения оптимальных условий роста. Но недавно опубликованное исследование - одно из первых в этой области науки - предполагает, что использование искусственного интеллекта (ИИ) может быть более эффективным.

В исследовании ACS Applied Materials & Interfaces исследователи из Аргоннской национальной лаборатории Министерства энергетики США (DOE) описывают несколько подходов на основе искусственного интеллекта для автономной оптимизации процессов ALD. В их работе подробно описываются относительные сильные и слабые стороны каждого подхода, а также идеи, которые можно использовать для более эффективной и экономичной разработки новых процессов.

«Все эти алгоритмы обеспечивают гораздо более быстрый способ достижения оптимальных комбинаций, потому что вы не тратите время, помещая образец в реактор, вынимая его, выполняя измерения и т. Д., Как это обычно делается сегодня. Вместо этого у вас есть петля в реальном времени, которая соединяется с реактором », - сказал главный специалист по материалам Аргонна Анхель Янгуас-Гил, соавтор исследования.

Передний край, но с проблемами

В ALD два разных химических пара, известные как прекурсоры, прилипают к поверхности, добавляя при этом тонкий слой пленки. Все это происходит внутри химического реактора и происходит последовательно: добавляется один прекурсор, который взаимодействует с поверхностью, затем любой его избыток удаляется. Затем вводится второй предшественник, затем удаляется, и процесс повторяется. В микроэлектронике тонкая пленка ALD может использоваться для электрической изоляции близлежащих компонентов в наноразмерных транзисторах.

ALD отлично подходит для выращивания точных наноразмерных пленок на сложных трехмерных поверхностях, таких как глубокие и узкие углубления, нанесенные на кремниевые пластины, для производства современных компьютерных микросхем. Это побудило ученых всего мира разработать новые тонкопленочные материалы ALD для будущих поколений полупроводниковых устройств.

Однако разработка и оптимизация этих новых процессов ALD является сложной и трудоемкой. Исследователи должны учитывать множество различных факторов, которые могут повлиять на процесс, в том числе:

Сложная химия между молекулярными предшественниками
Конструкция реактора, температура и давление
Время для каждой дозы их предшественников
Пытаясь найти способы преодоления этих проблем, ученые Аргонна оценили три стратегии оптимизации - случайную, экспертную систему и байесовскую оптимизацию - в последних двух использовались разные подходы ИИ.

Установите и забудьте

Исследователи оценили свои три стратегии, сравнив, как они оптимизировали дозировку и время очистки двух прекурсоров, используемых при ALD. Время дозирования относится к периоду времени, когда прекурсор добавляется в реактор, тогда как время продувки означает время, необходимое для удаления избыточного прекурсора и газообразных химических продуктов.

Цель: найти условия, при которых достигается высокий и стабильный рост пленки в кратчайшие сроки. Ученые также оценивали стратегии по тому, насколько быстро они пришли к идеальному набору таймингов, используя моделирование, которое представляло процесс ALD внутри реактора.

Связывание своих подходов к оптимизации с моделируемой системой позволяет им измерять рост пленки в реальном времени после каждого цикла на основе условий обработки, созданных их алгоритмами оптимизации.

«Все эти алгоритмы обеспечивают гораздо более быстрый способ достижения оптимальных комбинаций, потому что вы не тратите время, помещая образец в реактор, извлекая его, проводя измерения и т. Д., Как обычно. Вместо этого у вас есть петля в реальном времени, которая соединяется с реактором », - сказал главный специалист по материалам Аргонн Анхель Янгуас-Гил, соавтор исследования.

Эта настройка также сделала процесс автоматическим для двух подходов AI, образуя замкнутую систему.

«В системе с обратной связью моделирование выполняет эксперимент, получает результаты и передает их в инструмент ИИ. Затем инструмент ИИ учится на нем или каким-то образом интерпретирует его, а затем предлагает следующий эксперимент. И все это происходит без участия человека », - сказал Ноа Полсон, ученый-вычислитель из Аргонна и ведущий автор.

Несмотря на некоторые недостатки, подходы искусственного интеллекта эффективно определяют оптимальную дозу и время продувки для различных смоделированных процессов ALD. Это делает исследование одним из первых, показывающих, что оптимизация тонких пленок в реальном времени возможна с использованием ИИ.

«Это захватывающе, потому что это открывает возможность использования таких подходов для быстрой оптимизации реальных процессов ALD, шаг, который потенциально может сэкономить драгоценное время и деньги производителям при разработке новых приложений в будущем», - заключил Джефф Элам, старший химик. в Аргонне и соавтор.

###

По вопросам сотрудничества обращайтесь

Ученые использовали кластер Argonne Blues в его Центре лабораторных вычислительных ресурсов. Это исследование финансировалось программой лабораторных исследований и разработок (LDRD) в Аргонне.

####

Об Аргоннской национальной лаборатории
Аргоннская национальная лаборатория занимается поиском решений насущных национальных проблем в области науки и технологий. Аргонн - первая в стране национальная лаборатория, которая проводит передовые фундаментальные и прикладные научные исследования практически во всех научных дисциплинах. Исследователи Аргонны тесно сотрудничают с исследователями из сотен компаний, университетов, федеральных, государственных и муниципальных агентств, чтобы помочь им решить их конкретные проблемы, продвинуть научное лидерство Америки и подготовить страну к лучшему будущему. Компания Argonne, в которой работают сотрудники из более чем 60 стран, находится под управлением UChicago Argonne, LLC для Управления науки Министерства энергетики США.

Управление науки Министерства энергетики США является крупнейшим спонсором фундаментальных исследований в области физических наук в Соединенных Штатах и работает над решением некоторых из самых насущных проблем нашего времени. Для получения дополнительной информации посетите https://energy.gov/science .

Для получения дополнительной информации, пожалуйста, нажмите здесь

Контактная информация:
Линн Теффт Хофф
630-252-1750

@аргонн

Авторское право © Аргоннская национальная лаборатория

Если у вас есть комментарий, пожалуйста Контакты нас.

Издатели новостных выпусков, а не 7th Wave, Inc. или Nanotechnology Now, несут единоличную ответственность за точность содержания.

Закладка: