美国多家实验室拟建“材料发现云” 用AI预测微电子器件缺陷影响

美国能源部阿贡国家实验室、劳伦斯伯克利国家实验室、橡树岭国家实验室和西北大学的研究人员正计划开发“材料发现云”平台，利用基于物理学原理的人工智能框架，预测微小缺陷如何影响微电子器件的性能和寿命。

材料发现云可视化图，这是一个基于物理学原理的人工智能框架，它整合了实验数据、模拟和高性能计算，用于预测微小缺陷如何影响微电子器件的性能和寿命。(图片由 ChatGPT 提供。)

微电子器件广泛用于智能手机、笔记本电脑、安全通信和人工智能硬件等领域。随着器件尺寸不断缩小、运行速度加快，材料内部及界面处的微小缺陷对器件稳定性的影响更加突出。这些缺陷可能引发过热、漏电、开关不稳定等问题，也可能在特定条件下改善电学或热学性能。如何识别关键缺陷，并理解其在实际运行条件下的演化过程，成为新一代微电子材料设计中的重要问题。

根据项目设想，“材料发现云”将整合实验数据、先进模拟和高性能计算，把材料成分、结构、运行条件与缺陷演化及静电势、电流密度、温度等功能特性联系起来。研究团队希望借助这一平台，将零散的测量结果转化为可用于器件设计的预测能力。

该平台将利用美国能源部科学办公室用户设施和先进计算系统的数据资源，包括阿贡国家实验室的先进光子源、纳米尺度材料中心和阿贡领导计算设施，伯克利实验室的先进光源、分子铸造厂和国家能源研究科学计算中心，以及橡树岭国家实验室的纳米相材料科学中心。这些设施可提供X射线测量、显微表征、材料模拟和大规模计算等支撑。

研究人员表示，单一实验手段难以完整揭示微电子材料中的缺陷行为。电子显微镜可观察极小尺度特征，X射线方法可分析应变、内部结构和缺陷运动，其他技术则用于测量化学成分、电学行为和热流。将多种数据放入统一框架，有助于更全面理解材料缺陷与器件性能之间的关系。

项目还将引入自主发现方法，结合人工智能、机器学习和机器人技术，辅助研究人员判断下一步应开展哪些测量，并在更高通量的流程中合成样品、完成多种表征。模拟生成的合成数据也将用于补充实验数据不足，帮助训练人工智能模型。

阿贡国家实验室科学家、项目首席研究员苏布拉马尼亚·桑卡拉纳拉亚南表示，“材料发现云”的优势在于把实验、模拟和人工智能纳入同一工作流程，使研究人员能够从现有有限数据中学习，并随着新数据持续加入不断完善框架。

研究团队强调，该系统并非仅输出结果的“黑箱”，而是将在成熟物理规律指导下运行，以确保预测结果能够反映材料和器件的真实行为。若研发成功，该平台有望帮助科学家更早发现微电子材料设计中的潜在问题，缩短测试周期，并为更可靠、更节能的电子器件开发提供支持。