एआई र फिजिक्सको फ्युजन: नोबेल पुरस्कार पछाडि सीवीडी टेक्नोलोजिकल इनोभेसन

सन् २०२४ को भौतिकशास्त्रको नोबेल पुरस्कारको हालैको घोषणाले कृत्रिम बुद्धिमत्ताको क्षेत्रमा अभूतपूर्व ध्यान ल्याएको छ। अमेरिकी वैज्ञानिक जोन जे. हपफिल्ड र क्यानाडाका वैज्ञानिक जेफ्री ई. हिन्टनद्वारा गरिएको अनुसन्धानले आजको भौतिक विज्ञानको जटिल संसारमा नयाँ अन्तर्दृष्टि प्रदान गर्न मेसिन लर्निङ उपकरणहरू प्रयोग गरेको छ। यो उपलब्धिले एआई प्रविधिमा एउटा महत्त्वपूर्ण कोसेढुङ्गा मात्र होइन भौतिक विज्ञान र कृत्रिम बुद्धिमत्ताबीचको गहिरो एकीकरणलाई पनि संकेत गर्दछ।

भौतिकशास्त्रमा रासायनिक वाष्प निक्षेप (CVD) को महत्त्व के हो र यसले के कस्ता चुनौतीहरूको सामना गर्छ?

रासायनिक वाष्प निक्षेप (CVD) प्रविधिभौतिक विज्ञानमा बहुआयामिक महत्व राख्छ, भौतिक विज्ञानमा अनुसन्धान र अनुप्रयोगहरू अगाडि बढाउन महत्त्वपूर्ण भूमिका खेल्दै महत्त्वपूर्ण सामग्री तयारी प्रविधिको रूपमा सेवा गर्दै। CVD ले आणविक र आणविक स्तरहरूमा भौतिक वृद्धिमा सटीक नियन्त्रण सक्षम गर्दछ। चित्र 1 मा चित्रण गरिएझैं, यस प्रविधिले ठोस सतहहरूमा ठोस निक्षेपहरू बनाउनको लागि रासायनिक प्रतिक्रियाहरूबाट गुज्रिरहेको ग्यास वा वाष्प-चरण पदार्थहरू समावेश गर्दछ, जसले गर्दा विभिन्न उच्च-प्रदर्शन फिल्महरू र नानोस्ट्रक्चर गरिएको सामग्रीहरू उत्पादन गरिन्छ। सामग्रीको सूक्ष्म संरचना र तिनीहरूको म्याक्रोस्कोपिक गुणहरू बीचको सम्बन्ध बुझ्न र अन्वेषण गर्न भौतिक विज्ञानमा यो क्षमता महत्त्वपूर्ण छ, किनकि यसले वैज्ञानिकहरूलाई विशेष संरचना र रचनाहरू भएका सामग्रीहरू अध्ययन गर्न अनुमति दिन्छ, जसले गर्दा तिनीहरूको भौतिक गुणहरूमा गहिरो अन्तर्दृष्टि प्राप्त हुन्छ।

यसबाहेक,CVD प्रविधिअर्धचालक यन्त्रहरूमा विभिन्न कार्यात्मक चलचित्रहरू उत्पादन गर्ने मुख्य विधि हो। उदाहरणका लागि, यो बढ्न प्रयोग गर्न सकिन्छसिलिकन एकल-क्रिस्टल एपिटेक्सियल तहहरू, III-V अर्धचालकहरू जस्तै ग्यालियम आर्सेनाइड, र II-VI अर्धचालक एकल-क्रिस्टल एपि-लेयरहरू, साथै विभिन्न डोपेड अर्धचालक एकल-क्रिस्टल एपिटेक्सियल फिल्महरू र पोलिसिलिकन फिल्महरू जम्मा गर्नुहोस्। यी सामग्री र संरचनाहरू आधुनिक इलेक्ट्रोनिक र अप्टोइलेक्ट्रोनिक उपकरणहरूको आधार बनाउँछन्। थप रूपमा, CVD टेक्नोलोजीले अनुसन्धान क्षेत्रहरू जस्तै अप्टिकल सामग्री, सुपरकन्डक्टिंग सामग्री, र चुम्बकीय सामग्रीहरूमा महत्त्वपूर्ण भूमिका खेल्छ। CVD प्रयोग गरेर, विशिष्ट अप्टिकल गुणहरू भएका पातलो फिल्महरू अप्टोइलेक्ट्रोनिक उपकरणहरू र अप्टिकल सेन्सरहरूमा अनुप्रयोगहरूको लागि संश्लेषित गर्न सकिन्छ।

यसको फाइदाहरूको बावजुद, CVD प्रविधिले व्यावहारिक अनुप्रयोगहरूमा धेरै चुनौतीहरूको सामना गर्दछ, जस्तै:

उच्च-तापमान र उच्च-दबाव अवस्थाहरू: CVD लाई प्राय: उच्च तापक्रम वा दबाब चाहिन्छ, प्रयोग गर्न सकिने सामग्रीहरूको प्रकार सीमित गर्दै र ऊर्जा खपत र लागत बढाउँछ।

प्यारामिटरहरूमा संवेदनशीलता: CVD प्रक्रिया प्रतिक्रिया अवस्थाहरूमा अत्यन्तै संवेदनशील छ, थोरै भिन्नताहरूले पनि अन्तिम उत्पादनको गुणस्तरलाई सम्भावित रूपमा असर गर्छ।

CVD प्रणालीहरूको जटिलता: प्रक्रिया सीमा अवस्थाहरूको लागि संवेदनशील छ, महत्त्वपूर्ण अनिश्चितता प्रदर्शन गर्दछ, र प्रजनन नियन्त्रण गर्न गाह्रो हुन सक्छ, सम्भावित रूपमा जटिल सामग्री विकास।

कसरी गर्छरासायनिक वाष्प निक्षेप (CVD) प्रविधिमेसिन लर्निङबाट फाइदा हुन्छ?

यी चुनौतिहरूको सामना गर्दै, मेसिन लर्निङ, एक शक्तिशाली डेटा विश्लेषण उपकरणको रूपमा, CVD क्षेत्र भित्र यी केही मुद्दाहरूलाई सम्बोधन गर्न सम्भाव्यता देखाएको छ। यहाँ CVD टेक्नोलोजीमा मेसिन लर्निंग अनुप्रयोगहरूका केसहरू छन्:

(1) CVD बृद्धिको भविष्यवाणी गर्ने: मेसिन लर्निङ एल्गोरिदमहरूले विभिन्न परिस्थितिहरूमा CVD वृद्धि नतिजाहरूको भविष्यवाणी गर्न व्यापक प्रयोगात्मक डेटाबाट सिक्न सक्छ, जसले गर्दा प्रयोगात्मक प्यारामिटरहरूको समायोजनलाई मार्गदर्शन गर्दछ। चित्र १ मा चित्रण गरिएझैं, सिंगापुरको नान्याङ टेक्नोलोजिकल युनिभर्सिटीको अनुसन्धान टोलीले दुई-आयामी सामग्रीहरूको CVD संश्लेषणलाई मार्गदर्शन गर्न मेसिन लर्निङमा वर्गीकरण एल्गोरिदमहरू प्रयोग गर्यो। प्रारम्भिक प्रयोगात्मक डेटाको विश्लेषण गरेर, तिनीहरूले मोलिब्डेनम डाइसल्फाइड (MoS2) को विकास अवस्थाको सफलतापूर्वक भविष्यवाणी गरे, प्रयोगहरूको सफलता दरमा उल्लेखनीय सुधार गर्दै र परीक्षणहरूको संख्या घटाउँदै।

चित्र १: मेसिन लर्निङ-गाइडेड मटेरियल सिन्थेसिस। (a) भौतिक विकासको अपरिहार्य अंग: भौतिक संश्लेषण। (b) वर्गीकरण मोडेलहरूले दुई-आयामी सामग्री (शीर्ष) को रासायनिक वाष्प निक्षेप (CVD) संश्लेषणको सुविधा दिन्छ। रिग्रेसन मोडेलहरूले सल्फर र नाइट्रोजन-डोपड फ्लोरोसेन्ट क्वान्टम डट्स (तल) को हाइड्रोथर्मल संश्लेषणलाई मार्गदर्शन गर्दछ।

अर्को अध्ययनमा, चित्र २ मा चित्रण गरिएझैं, मेसिन लर्निङलाई CVD प्रणाली भित्र ग्राफिन वृद्धि ढाँचाहरू विश्लेषण गर्न प्रयोग गरिएको थियो। क्षेत्रीय प्रस्ताव कन्भोलुसनल न्यूरल नेटवर्क (R-CNN) को विकास गरेर, शोधकर्ताहरूले स्वचालित रूपमा आकार, कभरेज, डोमेन घनत्व, र ग्राफिनको पक्ष अनुपात मापन र विश्लेषण गर्न सक्षम भए। पछि, कृत्रिम न्यूरल नेटवर्कहरू (ANN) र समर्थन भेक्टर मेशिनहरू (SVM) बीचको सम्बन्ध पत्ता लगाउन सरोगेट मोडेलहरू विकास गर्न प्रयोग गरियो।CVD प्रक्रियाचर र मापन निर्दिष्टीकरण। यस विधिले ग्राफिन संश्लेषणको सिमुलेशन सक्षम बनाउँछ र ठूलो अनाज आकार र कम डोमेन घनत्वको साथ ग्राफिन उत्पादन गर्न आवश्यक प्रयोगात्मक अवस्थाहरू निर्धारण गर्दछ, जसले गर्दा महत्त्वपूर्ण समय र लागत बचत हुन्छ।

चित्र २: CVD प्रणालीहरूमा ग्राफिन वृद्धि ढाँचाहरूको मेसिन लर्निङ भविष्यवाणी

(२) स्वचालित CVD प्रक्रिया: अधिक सटीक नियन्त्रण र उच्च उत्पादन दक्षता प्राप्त गर्दै, CVD प्रक्रियाको समयमा वास्तविक समयमा मापदण्डहरू निगरानी र समायोजन गर्ने स्वचालित प्रणालीहरू विकास गर्न मेसिन लर्निङ प्रयोग गर्न सकिन्छ। चित्र 3 मा देखाइए अनुसार, Xidian विश्वविद्यालयको अनुसन्धान टोलीले CVD द्वारा तयार पारिएको द्वि-आयामी सामग्रीको रोटेशन कोण पहिचान गर्ने चुनौतीलाई पार गर्न गहिरो सिकाइको प्रयोग गर्‍यो। CVD-तयार MoS2 को कलर स्पेस सङ्कलन गरेर र सिमेन्टिक सेग्मेन्टेसन कन्भोलुसनल न्यूरल नेटवर्कहरू (CNN) लागू गरेर, तिनीहरूले MoS2 को मोटाई सही र द्रुत रूपमा पहिचान गर्न सक्षम भए। त्यसपछि तिनीहरूले CVD द्वारा बढेको bilayer TMD सामग्रीको रोटेशन कोणको ठीक भविष्यवाणी गर्न दोस्रो CNN मोडेललाई तालिम दिए। यस विधिले नमूना पहिचान दक्षतामा मात्र सुधार गरेको छैन तर सामग्री विज्ञानको क्षेत्रमा गहिरो शिक्षाको प्रयोगको लागि नयाँ प्रतिमान पनि प्रदान गरेको छ।

चित्र ३: बिलेयर द्वि-आयामी सामग्रीको परिक्रमा कोण पहिचान गर्नको लागि गहिरो अध्ययन दृष्टिकोण

आउटलुक

नोबेल पुरस्कारको घोषणाले हामीलाई फेरि एक पटक कृत्रिम बुद्धिमत्ता र भौतिक विज्ञानको एकीकरणले थप नवीनता र सफलताहरू ल्याउनेछ भनेर सम्झाउँछ। जसरी मेसिन लर्निङ टेक्नोलोजीले प्रगति गर्दै जान्छ, हामीसँग विश्वास गर्ने कारण छरासायनिक वाष्प निक्षेप प्रविधिभविष्यमा नयाँ विकास अवसरहरू सामना गर्नेछ। यी सबैले नयाँ युगको बिहानीको घोषणा गर्दछ, जहाँ प्रविधि र विज्ञानको अभिसरणले अन्वेषणका लागि फराकिलो बाटोहरू खोल्नेछ।

Semicorex प्रस्तावहरूSiC/TaC कोटिंग ग्रेफाइटरसिरेमिक सामग्री रासायनिक वाष्प निक्षेप (CVD) प्रक्रिया मार्फत। यदि तपाइँसँग कुनै सोधपुछ छ वा थप विवरणहरू चाहिन्छ भने, कृपया हामीलाई सम्पर्क गर्न नहिचकिचाउनुहोस्।

सम्पर्क फोन # +86-13567891907

इमेल: sales@semicorex.com