Analisis material semikonduktor dimungkinkan dengan kecerdasan buatan
Spotlight

Analisis material semikonduktor dimungkinkan dengan kecerdasan buatan


(A) Proses pembuatan data yang menunjukkan konfigurasi putaran sampel yang dihasilkan melalui proses simulasi anil. Roda warna menunjukkan arah magnetisasi dalam bidang, dan skala abu-abu menunjukkan arah magnetisasi di luar bidang. (B dan C) Proses pelatihan dan pengujian yang digunakan dalam penelitian ini. (D) Proses validasi tambahan dengan citra domain magnetik yang diamati secara eksperimental. Kredit: Institut Sains dan Teknologi Korea (KIST)

Studi tentang spintronics, yang berhubungan dengan perputaran intrinsik elektron dan bidang teknik elektronik, secara aktif dilakukan untuk mengatasi keterbatasan tingkat integrasi semikonduktor silikon yang saat ini digunakan dan untuk mengembangkan daya ultra rendah dan kinerja tinggi berikutnya- generasi semikonduktor. Material magnetik adalah salah satu material yang paling umum digunakan untuk mengembangkan perangkat spintronik seperti magneto-resistive random-access memory (MRAM). Oleh karena itu, penting untuk secara akurat mengidentifikasi sifat material magnet, seperti stabilitas termal, perilaku dinamis dan konfigurasi keadaan dasar, melalui analisis Hamiltonian magnetik dan parameternya.

Sebelumnya, parameter magnetik Hamiltonian diukur secara langsung melalui berbagai eksperimen untuk memperoleh pemahaman yang lebih akurat dan lebih dalam tentang sifat-sifat material magnet, dan proses semacam itu membutuhkan banyak waktu dan sumber daya.

Untuk mengatasi keterbatasan tersebut, peneliti di Korea Selatan telah mengembangkan sistem kecerdasan buatan (AI) yang dapat menganalisis sistem magnetik dalam sekejap. Institut Sains dan Teknologi Korea (KIST) melaporkan bahwa tim peneliti kolaboratif yang dipimpin oleh Dr. Heeyong Kwon dan Dr. Junwoo Choi dari Spin Convergence Research Center dan Profesor Changyeon Won dari Universitas Kyung Hee mengembangkan teknik untuk memperkirakan parameter magnetik Hamilton dari putaran gambar struktur menggunakan teknik AI.

Mereka membangun jaringan saraf dalam dan melatihnya dengan algoritme pembelajaran mesin dan gambar domain magnetik yang ada. Hasilnya, parameter magnetik Hamiltonian dapat diestimasi secara real time dengan memasukkan gambar struktur spin yang diperoleh dari mikroskop elektron. Selanjutnya, jika dibandingkan dengan nilai parameter yang diinvestigasi secara eksperimental, kesalahan estimasi sistem AI kurang dari 1%, yang menunjukkan akurasi estimasi yang tinggi. Menurut tim, sistem AI yang dikembangkan mampu menyelesaikan proses estimasi parameter material yang sebelumnya memakan waktu hingga puluhan jam dalam sekejap dengan menggunakan teknik deep learning.

“Kami mempresentasikan pendekatan baru tentang bagaimana teknologi AI dapat diimplementasikan untuk menganalisis properti sistem magnet,” kata Dr. Hee-young Kwon dari KIST. “Kami berharap bahwa metode baru untuk mempelajari sistem fisik menggunakan teknologi AI tersebut akan dapat mengurangi kesenjangan antara aspek eksperimental dan teoritis, dan selanjutnya akan mengarah pada perluasan bidang penelitian baru tentang konvergensi teknologi AI dan penelitian sains fundamental.”


Peneliti mengungkap misteri magnet van der Waals, bahan untuk semikonduktor masa depan


Informasi lebih lanjut:
HY Kwon et al, estimasi parameter Magnetic Hamiltonian menggunakan teknik deep learning, Kemajuan Sains (2020). DOI: 10.1126 / sciadv.abb0872

Disediakan oleh Dewan Riset Nasional Sains & Teknologi

Kutipan: Analisis material semikonduktor dimungkinkan dengan kecerdasan buatan (2020, 16 Desember) diambil 16 Desember 2020 dari https://techxplore.com/news/2020-12-semiconductor-material-analysis-artificial-intelligence.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Pengeluaran SGP Hari Ini