Тонкопленочные устройства, состоящие из слоев материалов толщиной всего в несколько нанометров, играют ключевую роль в современных полупроводниках и коммуникационных технологиях. Особенно перспективными для высокоскоростной связи следующего поколения считаются многослойные тонкие пленки графена и гексагонального нитрида бора (h-BN) на медных подложках. Процесс выращивания таких пленок, включающий осаждение микроскопических слоев материалов на подложку, критически зависит от условий роста, которые напрямую влияют на микроструктуру и эксплуатационные характеристики.
Одной из главных проблем при крупномасштабном производстве тонких пленок является формирование дендритных структур — древовидных разветвляющихся образований. Эти структуры часто наблюдаются в меди, графене и борофене, особенно на ранних стадиях роста. Уменьшение дендритного формирования имеет решающее значение для эффективности устройств, однако традиционные методы изучения этого явления основывались на грубом визуальном анализе и субъективной интерпретации, а понимание условий, вызывающих дендритное ветвление, требовало значительных проб и ошибок.
Исследовательская группа под руководством профессора Масато Коцуги из Токийского университета науки (TUS) в Японии разработала принципиально новый подход к анализу дендритных структур. В команду также вошли Мисато Тонэ (TUS) и Иппэй Обаяси (Университет Окаямы). Результаты их работы были опубликованы в журнале Science and Technology of Advanced Materials: Methods.
Ученые создали объяснимую модель искусственного интеллекта для анализа дендритных структур, интегрировав персистентную гомологию (PH) и машинное обучение с энергетическим анализом. Персистентная гомология позволяет проводить многомасштабный анализ отверстий и соединений в геометрических структурах. Исследователи объединили PH с анализом главных компонент (PCA) для сокращения данных до двух измерений и установили связь между структурными изменениями и свободной энергией Гиббса.
«Наш подход позволяет количественно связать морфологию дендритов с изменениями свободной энергии Гиббса, что открывает новые возможности для контроля процесса роста тонких пленок», — отмечают авторы исследования.
Полученные результаты количественно отображают морфологию дендритов на вариации свободной энергии Гиббса и раскрывают энергетические градиенты, управляющие поведением ветвления. Для проверки своего подхода ученые изучили рост дендритов на гексагональной медной подложке и сравнили результаты с фазово-полевыми симуляциями.
Разработанная методология может привести к созданию высококачественных тонкопленочных устройств для коммуникационных технологий, выходящих за рамки 5G. Кроме того, предложенная структура может способствовать прорывам в технологии датчиков, неравновесной физике и разработке высокоэффективных материалов.
Применение искусственного интеллекта для анализа микроструктурных особенностей тонких пленок представляет собой значительный шаг вперед в материаловедении, позволяя перейти от субъективных оценок к точным количественным моделям. Это открывает путь к более эффективному проектированию материалов с заданными свойствами и оптимизации процессов их производства.
Изображение носит иллюстративный характер
Одной из главных проблем при крупномасштабном производстве тонких пленок является формирование дендритных структур — древовидных разветвляющихся образований. Эти структуры часто наблюдаются в меди, графене и борофене, особенно на ранних стадиях роста. Уменьшение дендритного формирования имеет решающее значение для эффективности устройств, однако традиционные методы изучения этого явления основывались на грубом визуальном анализе и субъективной интерпретации, а понимание условий, вызывающих дендритное ветвление, требовало значительных проб и ошибок.
Исследовательская группа под руководством профессора Масато Коцуги из Токийского университета науки (TUS) в Японии разработала принципиально новый подход к анализу дендритных структур. В команду также вошли Мисато Тонэ (TUS) и Иппэй Обаяси (Университет Окаямы). Результаты их работы были опубликованы в журнале Science and Technology of Advanced Materials: Methods.
Ученые создали объяснимую модель искусственного интеллекта для анализа дендритных структур, интегрировав персистентную гомологию (PH) и машинное обучение с энергетическим анализом. Персистентная гомология позволяет проводить многомасштабный анализ отверстий и соединений в геометрических структурах. Исследователи объединили PH с анализом главных компонент (PCA) для сокращения данных до двух измерений и установили связь между структурными изменениями и свободной энергией Гиббса.
«Наш подход позволяет количественно связать морфологию дендритов с изменениями свободной энергии Гиббса, что открывает новые возможности для контроля процесса роста тонких пленок», — отмечают авторы исследования.
Полученные результаты количественно отображают морфологию дендритов на вариации свободной энергии Гиббса и раскрывают энергетические градиенты, управляющие поведением ветвления. Для проверки своего подхода ученые изучили рост дендритов на гексагональной медной подложке и сравнили результаты с фазово-полевыми симуляциями.
Разработанная методология может привести к созданию высококачественных тонкопленочных устройств для коммуникационных технологий, выходящих за рамки 5G. Кроме того, предложенная структура может способствовать прорывам в технологии датчиков, неравновесной физике и разработке высокоэффективных материалов.
Применение искусственного интеллекта для анализа микроструктурных особенностей тонких пленок представляет собой значительный шаг вперед в материаловедении, позволяя перейти от субъективных оценок к точным количественным моделям. Это открывает путь к более эффективному проектированию материалов с заданными свойствами и оптимизации процессов их производства.
