Da Transistoren immer weiter miniaturisiert werden, werden die Kanäle, durch die sie Strom leiten, immer schmaler, was den fortgesetzten Einsatz von Materialien mit hoher Elektronenmobilität erfordert. Zweidimensionale Materialien wie Molybdändisulfid sind ideal für eine hohe Elektronenmobilität, aber wenn sie mit Metalldrähten verbunden werden, bildet sich an der Kontaktschnittstelle eine Schottky-Barriere, ein Phänomen, das den Ladungsfluss hemmt.
Im Mai 2021 bestätigte ein gemeinsames Forschungsteam unter der Leitung des Massachusetts Institute of Technology, an dem TSMC und andere beteiligt waren, dass die Verwendung von Halbmetall-Wismut in Kombination mit der richtigen Anordnung zwischen den beiden Materialien den Kontaktwiderstand zwischen dem Draht und dem Gerät verringern kann , wodurch dieses Problem beseitigt wird. , was dazu beiträgt, die gewaltigen Herausforderungen von Halbleitern unter 1 Nanometer zu meistern.
Das MIT-Team fand heraus, dass die Kombination von Elektroden mit Halbmetall-Wismut auf einem zweidimensionalen Material den Widerstand erheblich verringern und den Übertragungsstrom erhöhen kann. Anschließend optimierte die technische Forschungsabteilung von TSMC den Wismut-Abscheidungsprozess. Schließlich nutzte das Team der National Taiwan University ein „Helium-Ionenstrahl-Lithographiesystem“, um den Komponentenkanal erfolgreich auf Nanometergröße zu reduzieren.
Nach der Verwendung von Wismut als Schlüsselstruktur der Kontaktelektrode ist die Leistung des Transistors aus zweidimensionalem Material nicht nur mit der von Halbleitern auf Siliziumbasis vergleichbar, sondern auch mit der aktuellen gängigen Prozesstechnologie auf Siliziumbasis kompatibel, was dazu beitragen wird in Zukunft die Grenzen des Mooreschen Gesetzes durchbrechen. Dieser technologische Durchbruch wird das Hauptproblem des Einzugs zweidimensionaler Halbleiter in die Industrie lösen und ist ein wichtiger Meilenstein für die weitere Weiterentwicklung integrierter Schaltkreise in der Post-Moore-Ära.
Darüber hinaus ist die Nutzung computergestützter Materialwissenschaften zur Entwicklung neuer Algorithmen zur Beschleunigung der Entdeckung weiterer neuer Materialien ein Brennpunkt in der aktuellen Materialentwicklung. Beispielsweise veröffentlichte das Ames Laboratory des US-Energieministeriums im Januar 2021 einen Artikel über den „Cuckoo Search“-Algorithmus in der Zeitschrift „Natural Computing Science“. Dieser neue Algorithmus kann nach Legierungen mit hoher Entropie suchen. Zeit von Wochen bis Sekunden. Der vom Sandia National Laboratory in den USA entwickelte Algorithmus für maschinelles Lernen ist 40.000-mal schneller als herkömmliche Methoden und verkürzt den Designzyklus der Materialtechnologie um fast ein Jahr. Im April 2021 entwickelten Forscher der Universität Liverpool im Vereinigten Königreich einen Roboter, der innerhalb von 8 Tagen selbstständig chemische Reaktionswege entwerfen, 688 Experimente abschließen und einen effizienten Katalysator finden kann, um die photokatalytische Leistung von Polymeren zu verbessern.
Es dauert Monate, dies manuell zu tun. Die Universität Osaka, Japan, untersuchte mithilfe von 1.200 Photovoltaik-Zellenmaterialien als Trainingsdatenbank den Zusammenhang zwischen der Struktur von Polymermaterialien und der photoelektrischen Induktion mithilfe von Algorithmen für maschinelles Lernen und ermittelte innerhalb einer Minute erfolgreich die Struktur von Verbindungen mit potenziellen Anwendungen. Herkömmliche Methoden erfordern 5 bis 6 Jahre.
Zeitpunkt der Veröffentlichung: 11. August 2022