Ĉar transistoroj daŭre estas miniaturigitaj, la kanaloj tra kiuj ili kondukas kurenton iĝas pli kaj pli mallarĝaj, postulante la daŭran uzon de altaj elektronaj moviĝeblomaterialoj. Dudimensiaj materialoj kiel ekzemple molibdendisulfido estas idealaj por alta elektrona moviĝeblo, sed kiam ligite kun metaldratoj, Schottky-bariero estas formita ĉe la kontaktinterfaco, fenomeno kiu malhelpas ŝargfluon.
En majo 2021, komuna esplorteamo gvidita de la Masaĉuseca Instituto de Teknologio kaj partoprenita de TSMC kaj aliaj konfirmis, ke la uzo de duonmetala bismuto kombinita kun la taŭga aranĝo inter la du materialoj povas redukti la kontaktoreziston inter la drato kaj la aparato. , tiel forigante ĉi tiun problemon. , helpante atingi la senkuraĝajn defiojn de duonkonduktaĵoj sub 1 nanometro.
La MIT-teamo trovis, ke kombini elektrodojn kun duonmetala bismuto sur dudimensia materialo povas multe malpliigi reziston kaj pliigi dissendfluon. La teknika esplorsekcio de TSMC tiam optimumigis la bismutan deponprocezon. Fine, la National Taiwan University-teamo uzis "heliumjonan radio-litografisistemon" por sukcese redukti la komponan kanalon al nanometra grandeco.
Post uzi bismuton kiel la ŝlosilan strukturon de la kontakta elektrodo, la agado de la dudimensia materiala transistoro estas ne nur komparebla al tiu de silicio-bazitaj duonkonduktaĵoj, sed ankaŭ kongrua kun la nuna ĉefa silicio-bazita proceza teknologio, kiu helpos al. trarompi la limojn de la Leĝo de Moore en la estonteco. Ĉi tiu teknologia sukceso solvos la ĉefan problemon de dudimensiaj duonkonduktaĵoj enirantaj la industrion kaj estas grava mejloŝtono por ke integraj cirkvitoj daŭre progresu en la post-Moore-epoko.
Krome, uzi komputadmaterialan sciencon por evoluigi novajn algoritmojn por akceli la malkovron de pli novaj materialoj ankaŭ estas varma punkto en la nuna evoluo de materialoj. Ekzemple, en januaro 2021, la Laboratorio Ames de la Usona Departemento pri Energio publikigis artikolon pri la algoritmo "Cuckoo Search" en la revuo "Natural Computing Science". Ĉi tiu nova algoritmo povas serĉi alt-entropiajn alojojn. tempo de semajnoj ĝis sekundoj. La maŝinlernada algoritmo evoluigita de Sandia Nacia Laboratorio en Usono estas 40 000 fojojn pli rapida ol ordinaraj metodoj, mallongigante la projektan ciklon de materiala teknologio je preskaŭ unu jaro. En April 2021, esploristoj de la Universitato de Liverpool en Britio evoluigis roboton kiu povas sendepende desegni kemiajn reakciajn vojojn ene de 8 tagoj, plenumi 688 eksperimentojn kaj trovi efikan katalizilon por plibonigi la fotokatalizan rendimenton de polimeroj.
Ĝi bezonas monatojn por fari ĝin permane. Universitato de Osaka, Japanio, uzante 1,200 fotovoltaikaj ĉelmaterialoj kiel trejnan datumbazon, studis la rilaton inter la strukturo de polimeraj materialoj kaj fotoelektra indukto per maŝinlernado-algoritmoj, kaj sukcese ekzamenis la strukturon de kunmetaĵoj kun eblaj aplikoj ene de 1 minuto. Tradiciaj metodoj postulas 5 ĝis 6 jarojn.
Afiŝtempo: Aŭg-11-2022