செய்தி
தயாரிப்புகள்

நோபல் பரிசுக்கு பின்னால் சி.வி.டி தொழில்நுட்ப கண்டுபிடிப்பு

சமீபத்தில், இயற்பியலில் 2024 நோபல் பரிசை அறிவிப்பது செயற்கை நுண்ணறிவு துறையில் முன்னோடியில்லாத வகையில் கவனத்தை ஈர்த்துள்ளது. அமெரிக்க விஞ்ஞானி ஜான் ஜே. ஹாப்ஃபீல்ட் மற்றும் கனேடிய விஞ்ஞானி ஜெஃப்ரி ஈ. இந்த சாதனை செயற்கை நுண்ணறிவு தொழில்நுட்பத்தில் ஒரு முக்கியமான மைல்கல்லைக் குறிக்கிறது மட்டுமல்லாமல், இயற்பியல் மற்றும் செயற்கை நுண்ணறிவின் ஆழமான ஒருங்கிணைப்பையும் குறிக்கிறது.


.. இயற்பியலில் வேதியியல் நீராவி படிவு (சி.வி.டி) தொழில்நுட்பத்தின் முக்கியத்துவம் மற்றும் சவால்கள்


Simplified scheme of a CVD reactor for CNTs synthesys


இயற்பியலில் வேதியியல் நீராவி படிவு (சி.வி.டி) தொழில்நுட்பத்தின் முக்கியத்துவம் பன்முகத்தன்மை கொண்டது. இது ஒரு முக்கியமான பொருள் தயாரிப்பு தொழில்நுட்பம் மட்டுமல்ல, இயற்பியல் ஆராய்ச்சி மற்றும் பயன்பாட்டின் வளர்ச்சியை மேம்படுத்துவதில் முக்கிய பங்கு வகிக்கிறது. சி.வி.டி தொழில்நுட்பம் அணு மற்றும் மூலக்கூறு மட்டங்களில் உள்ள பொருட்களின் வளர்ச்சியை துல்லியமாக கட்டுப்படுத்த முடியும். படம் 1 இல் காட்டப்பட்டுள்ளபடி, இந்த தொழில்நுட்பம் திடமான வைப்பு 1 ஐ உருவாக்க திட மேற்பரப்பில் வாயு அல்லது நீராவி பொருட்களை வேதியியல் ரீதியாக எதிர்வினையாற்றுவதன் மூலம் பலவிதமான உயர் செயல்திறன் கொண்ட மெல்லிய திரைப்படங்கள் மற்றும் நானோ கட்டமைக்கப்பட்ட பொருட்களை உருவாக்குகிறது. பொருட்களின் நுண் கட்டமைப்பு மற்றும் மேக்ரோஸ்கோபிக் பண்புகளுக்கு இடையிலான உறவைப் புரிந்துகொள்வதற்கும் ஆராய்வதற்கும் இது இயற்பியலில் முக்கியமானது, ஏனெனில் இது விஞ்ஞானிகள் குறிப்பிட்ட கட்டமைப்புகள் மற்றும் கலவைகளுடன் பொருட்களைப் படிக்க அனுமதிக்கிறது, பின்னர் அவற்றின் இயற்பியல் பண்புகளை ஆழமாக புரிந்துகொள்கிறது.


இரண்டாவதாக, குறைக்கடத்தி சாதனங்களில் பல்வேறு செயல்பாட்டு மெல்லிய படங்களைத் தயாரிப்பதற்கான முக்கிய தொழில்நுட்பம் சி.வி.டி தொழில்நுட்பம். எடுத்துக்காட்டாக, சிலிக்கான் ஒற்றை படிக எபிடாக்சியல் அடுக்குகளை வளர்ப்பதற்கு சி.வி.டி பயன்படுத்தப்படலாம், III-V குறைக்கடத்திகளான காலியம் ஆர்சனைடு மற்றும் II-VI குறைக்கடத்தி ஒற்றை படிக எபிடாக்ஸி மற்றும் பல்வேறு டோப் செய்யப்பட்ட செமிகண்டக்டர் ஒற்றை படிக எபிடாக்சியல் திரைப்படங்கள், பாலிகிரிஸ்டலின் சிலிக்கான் திரைப்படங்கள், முதலியன மற்றும் கட்டமைப்புகள் மற்றும் கட்டமைப்புகள். கூடுதலாக, ஆப்டிகல் பொருட்கள், சூப்பர் கண்டக்டிங் பொருட்கள் மற்றும் காந்தப் பொருட்கள் போன்ற இயற்பியல் ஆராய்ச்சி துறைகளிலும் சி.வி.டி தொழில்நுட்பம் முக்கிய பங்கு வகிக்கிறது. சி.வி.டி தொழில்நுட்பத்தின் மூலம், ஆப்டோ எலக்ட்ரானிக் சாதனங்கள் மற்றும் ஆப்டிகல் சென்சார்களில் பயன்படுத்த குறிப்பிட்ட ஆப்டிகல் பண்புகளைக் கொண்ட மெல்லிய படங்களை ஒருங்கிணைக்க முடியும்.


CVD reaction transfer steps

படம் 1 சி.வி.டி எதிர்வினை பரிமாற்ற படிகள்


அதே நேரத்தில், சி.வி.டி தொழில்நுட்பம் நடைமுறை பயன்பாடுகளில் சில சவால்களை எதிர்கொள்கிறது:


அதிக வெப்பநிலை மற்றும் உயர் அழுத்த நிலைமைகள்: சி.வி.டி பொதுவாக அதிக வெப்பநிலை அல்லது உயர் அழுத்தத்தில் மேற்கொள்ளப்பட வேண்டும், இது பயன்படுத்தக்கூடிய பொருட்களின் வகைகளை கட்டுப்படுத்துகிறது மற்றும் ஆற்றல் நுகர்வு மற்றும் செலவை அதிகரிக்கிறது.

அளவுரு உணர்திறன்: சி.வி.டி செயல்முறை எதிர்வினை நிலைமைகளுக்கு மிகவும் உணர்திறன் கொண்டது, மேலும் சிறிய மாற்றங்கள் கூட இறுதி உற்பத்தியின் தரத்தை பாதிக்கலாம்.

சி.வி.டி அமைப்பு சிக்கலானது: சி.வி.டி செயல்முறை எல்லை நிலைமைகளுக்கு உணர்திறன், பெரிய நிச்சயமற்ற தன்மைகளைக் கொண்டுள்ளது, மேலும் கட்டுப்படுத்தவும் மீண்டும் செய்யவும் கடினமாக உள்ளது, இது பொருள் ஆராய்ச்சி மற்றும் வளர்ச்சியில் சிரமங்களுக்கு வழிவகுக்கும்.


.. வேதியியல் நீராவி படிவு (சி.வி.டி) தொழில்நுட்பம் மற்றும் இயந்திர கற்றல்


இந்த சிரமங்களை எதிர்கொண்டு, இயந்திர கற்றல், ஒரு சக்திவாய்ந்த தரவு பகுப்பாய்வு கருவியாக, சி.வி.டி புலத்தில் சில சிக்கல்களைத் தீர்க்கும் திறனைக் காட்டுகிறது. சி.வி.டி தொழில்நுட்பத்தில் இயந்திர கற்றலைப் பயன்படுத்துவதற்கான எடுத்துக்காட்டுகள் பின்வருமாறு:


(1) சி.வி.டி வளர்ச்சியைக் கணித்தல்

இயந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி, நாம் ஒரு பெரிய அளவிலான சோதனை தரவுகளிலிருந்து கற்றுக் கொள்ளலாம் மற்றும் வெவ்வேறு நிலைமைகளின் கீழ் சி.வி.டி வளர்ச்சியின் முடிவுகளை கணிக்கலாம், இதன் மூலம் சோதனை அளவுருக்களை சரிசெய்ய வழிகாட்டும். படம் 2 இல் காட்டப்பட்டுள்ளபடி, சிங்கப்பூரில் உள்ள நன்யாங் தொழில்நுட்ப பல்கலைக்கழகத்தின் ஆராய்ச்சி குழு இரு பரிமாண பொருட்களின் சி.வி.டி தொகுப்பை வழிநடத்த இயந்திர கற்றலில் வகைப்பாடு வழிமுறையைப் பயன்படுத்தியது. ஆரம்பகால சோதனை தரவை பகுப்பாய்வு செய்வதன் மூலம், மாலிப்டினம் டிஸல்பைடு (MOS2) இன் வளர்ச்சி நிலைமைகளை அவர்கள் வெற்றிகரமாக கணித்தனர், சோதனை வெற்றி விகிதத்தை கணிசமாக மேம்படுத்தி சோதனைகளின் எண்ணிக்கையைக் குறைக்கிறார்கள்.


Synthesis of machine learning guided materials

படம் 2 இயந்திர கற்றல் பொருள் தொகுப்பை வழிநடத்துகிறது

(அ) ​​பொருள் ஆராய்ச்சி மற்றும் வளர்ச்சியின் இன்றியமையாத பகுதி: பொருள் தொகுப்பு.

(ஆ) வகைப்பாடு மாதிரி இரு பரிமாண பொருட்களை (மேல்) ஒருங்கிணைக்க வேதியியல் நீராவி படிவுக்கு உதவுகிறது; பின்னடைவு மாதிரி சல்பர்-நைட்ரஜன் டோப் செய்யப்பட்ட ஃப்ளோரசன்ட் குவாண்டம் புள்ளிகளின் (கீழே) நீர் வெப்ப தொகுப்பை வழிநடத்துகிறது.



மற்றொரு ஆய்வில் (படம் 3), சி.வி.டி அமைப்பில் கிராபெனின் வளர்ச்சி முறையை பகுப்பாய்வு செய்ய இயந்திர கற்றல் பயன்படுத்தப்பட்டது. கிராபெனின் அளவு, கவரேஜ், டொமைன் அடர்த்தி மற்றும் விகித விகிதம் ஒரு பிராந்திய முன்மொழிவு மாற்றும் நரம்பியல் நெட்வொர்க்கை (ஆர்-சி.என்.என்) உருவாக்குவதன் மூலம் தானாக அளவிடப்பட்டு பகுப்பாய்வு செய்யப்பட்டன, பின்னர் சிவிடி செயல்முறை மாறுபாடுகள் மற்றும் அளவீட்டு விவரக்குறிப்புகளுக்கு இடையிலான தீர்வை ஊகிக்க செயற்கை நரம்பியல் நெட்வொர்க்குகள் (ஏ.என்.என்) மற்றும் ஆதரவு திசையன் இயந்திரங்களை (எஸ்.வி.எம்) பயன்படுத்தி வாடகை மாதிரிகள் உருவாக்கப்பட்டன. இந்த அணுகுமுறை கிராபெனின் தொகுப்பை உருவகப்படுத்தலாம் மற்றும் பெரிய தானிய அளவு மற்றும் குறைந்த டொமைன் அடர்த்தியுடன் விரும்பிய உருவ அமைப்புடன் கிராபெனை ஒருங்கிணைப்பதற்கான சோதனை நிலைமைகளைத் தீர்மானிக்க முடியும், நிறைய நேரம் மற்றும் செலவு சேமிக்கிறது


Machine learning predicts graphene growth patterns in CVD systems

படம் 3 இயந்திர கற்றல் சி.வி.டி அமைப்புகளில் கிராபெனின் வளர்ச்சி முறைகளை முன்னறிவிக்கிறது

(2) தானியங்கு சி.வி.டி செயல்முறை

சி.வி.டி செயல்பாட்டில் அளவுருக்களை உண்மையான நேரத்தில் கண்காணிக்கவும் சரிசெய்யவும் தானியங்கி அமைப்புகளை உருவாக்க இயந்திர கற்றல் பயன்படுத்தப்படலாம். படம் 4 இல் காட்டப்பட்டுள்ளபடி, சிடியன் பல்கலைக்கழகத்தின் ஒரு ஆராய்ச்சி குழு சி.வி.டி இரட்டை அடுக்கு இரு பரிமாணப் பொருட்களின் சுழற்சி கோணத்தை அடையாளம் காண்பதில் உள்ள சிரமத்தை சமாளிக்க ஆழ்ந்த கற்றலைப் பயன்படுத்தியது. அவர்கள் சி.வி.டி தயாரித்த MOS2 இன் வண்ண இடத்தை சேகரித்து, MOS2 இன் தடிமன் துல்லியமாகவும் விரைவாகவும் அடையாளம் காண ஒரு சொற்பொருள் பிரிவு கன்வெர்ஷனல் நியூரல் நெட்வொர்க்கை (சி.என்.என்) பயன்படுத்தினர், பின்னர் சி.வி.டி-வளர்ந்த இரட்டை-லேயர் டிஎம்டி பொருட்களின் சுழற்சி கோணத்தின் துல்லியமான கணிப்பை அடைய இரண்டாவது சிஎன்என் மாதிரியைப் பயிற்றுவித்தனர். இந்த முறை மாதிரி அடையாளத்தின் செயல்திறனை மேம்படுத்துவதோடு மட்டுமல்லாமல், பொருள் அறிவியல் துறையில் ஆழமான கற்றலைப் பயன்படுத்துவதற்கான புதிய முன்னுதாரணத்தையும் வழங்குகிறது4.


Deep learning methods identify the corners of double-layer two-dimensional materials

படம் 4 ஆழமான கற்றல் முறைகள் இரட்டை அடுக்கு இரு பரிமாண பொருட்களின் மூலைகளை அடையாளம் காண்க



குறிப்புகள்:

(1) குவோ, கே.-எம்.; கின், Z.H. அணு உற்பத்தியில் நீராவி படிவு தொழில்நுட்பத்தின் வளர்ச்சி மற்றும் பயன்பாடு. ஆக்டா பிசிகா சினிகா 2021, 70 (2), 028101-028101-028101-028115. இரண்டு: 10.7498/aps.70.20201436.

(2) யி, கே.; லியு, டி.; சென், எக்ஸ்.; யாங், ஜே.; வீ, டி.; லியு, ஒய்.; வீ, டி. வேதியியல் ஆராய்ச்சியின் கணக்குகள் 2021, 54 (4), 1011-1022. Doi: 10.1021/acs.accounts.0c00757.

(3) ஹ்வாங், ஜி.; கிம், டி.; ஷின், ஜே.; ஷின், என்.; ஹ்வாங், எஸ். தொழில்துறை மற்றும் பொறியியல் வேதியியல் இதழ் 2021, 101, 430-444. Doi: https://doi.org/10.1016/j.jiec.2021.05.031.

(4) ஹூ, பி.; வு, ஜே.; கியு, டி. வை. தனிப்பட்ட கோன்-ஷாம் மாநிலங்களின் மேற்பார்வை செய்யப்படாத கற்றல்: பல உடல் விளைவுகளின் கீழ்நிலை கணிப்புகளுக்கான விளக்கமளிக்கும் பிரதிநிதித்துவங்கள் மற்றும் விளைவுகள். 2024; பி ARXIV: 2404.14601.


தொடர்புடைய செய்திகள்
X
We use cookies to offer you a better browsing experience, analyze site traffic and personalize content. By using this site, you agree to our use of cookies. Privacy Policy
Reject Accept