ट्रान्झिस्टरचे सूक्ष्मीकरण होत राहिल्याने, ते ज्या वाहिन्यांद्वारे विद्युत प्रवाह चालवतात ते अधिक अरुंद होत आहेत, ज्यामुळे उच्च इलेक्ट्रॉन गतिशीलता सामग्रीचा सतत वापर आवश्यक आहे. मॉलिब्डेनम डायसल्फाइड सारखी द्विमितीय सामग्री उच्च इलेक्ट्रॉन गतिशीलतेसाठी आदर्श आहे, परंतु जेव्हा धातूच्या तारांशी एकमेकांशी जोडलेले असते तेव्हा संपर्क इंटरफेसवर एक स्कॉटकी अडथळा तयार होतो, ही एक घटना जी चार्ज प्रवाह रोखते.
मे 2021 मध्ये, मॅसॅच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीच्या नेतृत्वाखालील आणि TSMC आणि इतरांनी भाग घेतलेल्या संयुक्त संशोधन पथकाने पुष्टी केली की दोन सामग्रीमधील योग्य व्यवस्थेसह अर्ध-धातूच्या बिस्मथचा वापर वायर आणि डिव्हाइसमधील संपर्क प्रतिकार कमी करू शकतो. , ज्यामुळे ही समस्या दूर होते. , 1 नॅनोमीटरपेक्षा कमी अर्धसंवाहकांची कठीण आव्हाने साध्य करण्यात मदत करते.
एमआयटी टीमला असे आढळून आले की द्विमितीय सामग्रीवर सेमीमेटल बिस्मथसह इलेक्ट्रोड एकत्र केल्याने प्रतिकार मोठ्या प्रमाणात कमी होऊ शकतो आणि प्रसारण प्रवाह वाढू शकतो. TSMC च्या तांत्रिक संशोधन विभागाने नंतर बिस्मथ डिपॉझिशन प्रक्रिया ऑप्टिमाइझ केली. शेवटी, नॅशनल तैवान युनिव्हर्सिटी टीमने "हेलियम आयन बीम लिथोग्राफी सिस्टीम" चा वापर करून घटक चॅनल यशस्वीरित्या नॅनोमीटर आकारात कमी केला.
संपर्क इलेक्ट्रोडची मुख्य रचना म्हणून बिस्मथ वापरल्यानंतर, द्विमितीय सामग्री ट्रान्झिस्टरची कार्यक्षमता केवळ सिलिकॉन-आधारित सेमीकंडक्टरशी तुलना करता येत नाही, तर सध्याच्या मुख्य प्रवाहातील सिलिकॉन-आधारित प्रक्रिया तंत्रज्ञानाशी सुसंगत देखील आहे, ज्यामुळे भविष्यात मूरच्या कायद्याच्या मर्यादा तोडणे. ही तांत्रिक प्रगती उद्योगात प्रवेश करणाऱ्या द्विमितीय सेमीकंडक्टरची मुख्य समस्या सोडवेल आणि मूर नंतरच्या युगात पुढे जाण्यासाठी एकात्मिक सर्किटसाठी एक महत्त्वाचा टप्पा आहे.
याव्यतिरिक्त, अधिक नवीन सामग्रीचा शोध वाढवण्यासाठी नवीन अल्गोरिदम विकसित करण्यासाठी संगणकीय साहित्य विज्ञान वापरणे देखील सामग्रीच्या सध्याच्या विकासामध्ये एक हॉट स्पॉट आहे. उदाहरणार्थ, जानेवारी २०२१ मध्ये, यूएस डिपार्टमेंट ऑफ एनर्जीच्या एम्स प्रयोगशाळेने "नॅचरल कॉम्प्युटिंग सायन्स" जर्नलमध्ये "कोकिल शोध" अल्गोरिदमवर एक लेख प्रकाशित केला. हा नवीन अल्गोरिदम उच्च-एंट्रोपी मिश्र धातु शोधू शकतो. आठवडे ते सेकंद वेळ. युनायटेड स्टेट्समधील सॅन्डिया नॅशनल लॅबोरेटरीने विकसित केलेले मशीन लर्निंग अल्गोरिदम सामान्य पद्धतींपेक्षा 40,000 पट अधिक वेगवान आहे, ज्यामुळे मटेरियल टेक्नॉलॉजीचे डिझाइन चक्र जवळपास एक वर्ष कमी होते. एप्रिल 2021 मध्ये, युनायटेड किंगडममधील लिव्हरपूल विद्यापीठातील संशोधकांनी एक रोबोट विकसित केला जो 8 दिवसांत रासायनिक अभिक्रिया मार्ग स्वतंत्रपणे डिझाइन करू शकतो, 688 प्रयोग पूर्ण करू शकतो आणि पॉलिमरची फोटोकॅटॅलिटिक कामगिरी सुधारण्यासाठी एक कार्यक्षम उत्प्रेरक शोधू शकतो.
ते मॅन्युअली करायला महिने लागतात. ओसाका युनिव्हर्सिटी, जपान, प्रशिक्षण डेटाबेस म्हणून 1,200 फोटोव्होल्टेइक सेल सामग्री वापरून, मशीन लर्निंग अल्गोरिदमद्वारे पॉलिमर सामग्री आणि फोटोइलेक्ट्रिक इंडक्शन यांच्यातील संबंधांचा अभ्यास केला आणि 1 मिनिटात संभाव्य अनुप्रयोगांसह संयुगांची रचना यशस्वीरित्या तपासली. पारंपारिक पद्धतींना 5 ते 6 वर्षे लागतात.
पोस्ट वेळ: ऑगस्ट-11-2022