När transistorer fortsätter att miniatyriseras blir kanalerna genom vilka de leder ström smalare och smalare, vilket kräver fortsatt användning av material med hög elektronrörlighet. Tvådimensionella material som molybdendisulfid är idealiska för hög elektronrörlighet, men när de är sammankopplade med metalltrådar bildas en Schottky-barriär vid kontaktgränssnittet, ett fenomen som hämmar laddningsflödet.
I maj 2021 bekräftade en gemensam forskargrupp ledd av Massachusetts Institute of Technology och deltog av TSMC och andra att användningen av halvmetallvismut i kombination med rätt arrangemang mellan de två materialen kan minska kontaktmotståndet mellan tråden och enheten , vilket eliminerar detta problem. , som hjälper till att uppnå de skrämmande utmaningarna med halvledare under 1 nanometer.
MIT-teamet fann att kombination av elektroder med semimetallvismut på ett tvådimensionellt material kan avsevärt minska motståndet och öka transmissionsströmmen. TSMC:s tekniska forskningsavdelning optimerade sedan vismutavsättningsprocessen. Slutligen använde National Taiwan University-teamet ett "heliumjonstrålelitografisystem" för att framgångsrikt reducera komponentkanalen till nanometerstorlek.
Efter att ha använt vismut som nyckelstrukturen för kontaktelektroden är prestandan hos den tvådimensionella materialtransistorn inte bara jämförbar med den för kiselbaserade halvledare, utan också kompatibel med den nuvarande vanliga kiselbaserade processteknologin, vilket kommer att bidra till att bryta igenom gränserna för Moores lag i framtiden. Detta tekniska genombrott kommer att lösa huvudproblemet med att tvådimensionella halvledare kommer in i branschen och är en viktig milstolpe för att integrerade kretsar ska fortsätta att utvecklas i post-Moore-eran.
Att använda beräkningsmaterialvetenskap för att utveckla nya algoritmer för att påskynda upptäckten av fler nya material är dessutom en het punkt i den nuvarande materialutvecklingen. Till exempel, i januari 2021 publicerade Ames Laboratory vid det amerikanska energidepartementet en artikel om "Cuckoo Search"-algoritmen i tidskriften "Natural Computing Science". Denna nya algoritm kan söka efter högentropilegeringar. tid från veckor till sekunder. Maskininlärningsalgoritmen som utvecklats av Sandia National Laboratory i USA är 40 000 gånger snabbare än vanliga metoder, vilket förkortar materialteknologins designcykel med nästan ett år. I april 2021 utvecklade forskare vid University of Liverpool i Storbritannien en robot som självständigt kan designa kemiska reaktionsvägar inom 8 dagar, slutföra 688 experiment och hitta en effektiv katalysator för att förbättra den fotokatalytiska prestandan hos polymerer.
Det tar månader att göra det manuellt. Osaka University, Japan, med hjälp av 1 200 fotovoltaiska cellmaterial som en träningsdatabas, studerade förhållandet mellan strukturen hos polymermaterial och fotoelektrisk induktion genom maskininlärningsalgoritmer, och lyckades sålla bort strukturen hos föreningar med potentiella tillämpningar inom 1 minut. Traditionella metoder kräver 5 till 6 år.
Posttid: 2022-aug-11