Ahogy a tranzisztorok továbbra is miniatürizálódnak, a csatornák, amelyeken keresztül áramot vezetnek, egyre szűkebbek lesznek, ami megköveteli a nagy elektronmobilitású anyagok folyamatos használatát. A kétdimenziós anyagok, például a molibdén-diszulfid ideálisak a nagy elektronmobilitáshoz, de fémhuzalokkal összekapcsolva Schottky-gát keletkezik az érintkezési határfelületen, ez a jelenség gátolja a töltésáramlást.
2021 májusában a Massachusetts Institute of Technology által vezetett, a TSMC és mások részvételével közös kutatócsoport megerősítette, hogy a félfém bizmut használata a két anyag megfelelő elrendezésével kombinálva csökkentheti a vezeték és az eszköz közötti érintkezési ellenállást. , ezzel kiküszöbölve ezt a problémát. , ami segít az 1 nanométer alatti félvezetők ijesztő kihívásainak megoldásában.
Az MIT csapata megállapította, hogy az elektródák félfém bizmuttal való kombinálása egy kétdimenziós anyagon nagymértékben csökkentheti az ellenállást és növelheti az átviteli áramot. A TSMC műszaki kutatási osztálya ezután optimalizálta a bizmut leválasztási folyamatot. Végül a Tajvani Nemzeti Egyetem csapata egy "hélium-ionsugaras litográfiai rendszert" használt, hogy sikeresen csökkentse az alkatrészcsatornát nanométeres méretűre.
Miután a bizmutot használták az érintkező elektróda kulcsszerkezeteként, a kétdimenziós anyagból készült tranzisztor teljesítménye nemcsak a szilícium alapú félvezetőkéhez hasonlítható, hanem kompatibilis a jelenlegi főbb szilícium alapú technológiai technológiával is, amely segít a jövőben áttörni Moore törvényének korlátait. Ez a technológiai áttörés megoldja az iparba kerülő kétdimenziós félvezetők fő problémáját, és fontos mérföldkő az integrált áramkörök fejlődésében a Moore utáni korszakban.
Emellett a számítástechnikai anyagtudomány felhasználása új algoritmusok kifejlesztésére, hogy felgyorsítsák újabb anyagok felfedezését, szintén forró pont a jelenlegi anyagfejlesztésben. Például 2021 januárjában az Egyesült Államok Energiaügyi Minisztériumának Ames Laboratóriuma a "Natural Computing Science" folyóiratban publikált egy cikket a "Cuckoo Search" algoritmusról. Ez az új algoritmus nagy entrópiájú ötvözetek keresésére képes. hétről másodpercre. Az egyesült államokbeli Sandia National Laboratory által kifejlesztett gépi tanulási algoritmus 40 000-szer gyorsabb, mint a hagyományos módszerek, így közel egy évvel lerövidíti az anyagtechnológia tervezési ciklusát. 2021 áprilisában a Liverpooli Egyetem kutatói az Egyesült Királyságban kifejlesztettek egy robotot, amely 8 napon belül önállóan képes kémiai reakcióutakat megtervezni, 688 kísérletet végezni, és hatékony katalizátort találni a polimerek fotokatalitikus teljesítményének javítására.
Hónapokba telik a manuális elkészítése. A japán Osaka Egyetem 1200 fotovoltaikus cellaanyagot használva képzési adatbázisként, gépi tanulási algoritmusok segítségével tanulmányozta a polimer anyagok szerkezete és a fotoelektromos indukció közötti kapcsolatot, és 1 percen belül sikeresen kiszűrte a potenciálisan alkalmazható vegyületek szerkezetét. A hagyományos módszerek 5-6 évet igényelnek.
Feladás időpontja: 2022. augusztus 11