提出可用于下一代半导体器件的新型铁电材料,刊登于《Advanced Science》

生成式人工智能为半导体存储器材料开发开辟了新道路。


国立釜庆大学(校长 Bae Sanghun)能源资源工学科教授 Yeo Byeongcheol 表示,他与韩国科学技术研究院(KIST)研究员 Lee Hyunjae、Kang Seongwoo、Lee Junghoon 共同开展研究,通过利用生成式人工智能(AI)发掘出了下一代半导体存储器材料候选物。


此次研究成果已发表在影响因子为 14.1 的国际学术期刊上。

研究团队,左起为 Ye Byeongcheol 教授、Lee Hyeonje 博士、Kang Seongu 博士、Lee Jeonghun 博士。国立釜庆大学提供

研究团队,左起为 Ye Byeongcheol 教授、Lee Hyeonje 博士、Kang Seongu 博士、Lee Jeonghun 博士。国立釜庆大学提供

View original image

为克服以往仅限于少数物质的半导体存储器材料探索局限,研究团队提出了一种将基于扩散模型(diffusion model)的原子结构生成式 AI 与计算科学方法相结合的新型材料设计框架。


为此,团队利用生成式 AI 模型生成大量晶体结构候选,并结合多种机器学习方法与密度泛函理论(DFT)计算,构建了多阶段验证流程。


结果筛选出 Ca3P2(磷化钙)和 LiCdP(磷化锂镉)两种有前景的材料。这些材料在具备电绝缘性的同时,还表现出可随外界刺激改变电极化(electric polarization)状态的铁电材料特性,从而验证了其作为下一代存储器器件的可行性。


尤其是 LiCdP,其物性达到或超过现有高性能极化材料水平;而 Ca3P2 则首次提出了此前从未被报道的低温晶体结构候选,具有重要意义。此外,精密电子结构计算结果显示,这两种材料在太阳能光电流器件等能源应用领域也具有较高的应用潜力。


本研究作为利用生成式 AI 发掘此前尚未被发现的功能性材料的实例,证明了该方法的可行性,有望成为未来半导体存储器、能源器件及下一代电子器件开发的重要基础技术。



研究团队表示:“本研究展示了通过将生成式 AI 与计算科学相结合,可以高效探索新型铁电材料”,并称“今后将持续推进多种下一代半导体及能源材料开发研究”。

研究内容。

研究内容。

View original image

本研究在科学技术信息通信部韩国研究财团纳米与材料技术开发项目(材料全球青年连接/国家战略技术材料开发_HUB)的资助下完成。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点