A medida que los transistores continúan miniaturizándose, los canales a través de los cuales conducen la corriente se vuelven cada vez más estrechos, lo que requiere el uso continuo de materiales de alta movilidad electrónica. Los materiales bidimensionales como el disulfuro de molibdeno son ideales para una alta movilidad de electrones, pero cuando se interconectan con cables metálicos, se forma una barrera Schottky en la interfaz de contacto, un fenómeno que inhibe el flujo de carga.
En mayo de 2021, un equipo de investigación conjunto dirigido por el Instituto de Tecnología de Massachusetts y en el que participaron TSMC y otros confirmó que el uso de bismuto semimetálico combinado con la disposición adecuada entre los dos materiales puede reducir la resistencia de contacto entre el cable y el dispositivo. , eliminando así este problema. , ayudando a lograr los enormes desafíos de los semiconductores por debajo de 1 nanómetro.
El equipo del MIT descubrió que combinar electrodos con bismuto semimetálico en un material bidimensional puede reducir en gran medida la resistencia y aumentar la corriente de transmisión. Luego, el departamento de investigación técnica de TSMC optimizó el proceso de deposición de bismuto. Finalmente, el equipo de la Universidad Nacional de Taiwán utilizó un "sistema de litografía por haz de iones de helio" para reducir con éxito el canal del componente a un tamaño nanométrico.
Después de utilizar el bismuto como estructura clave del electrodo de contacto, el rendimiento del transistor de material bidimensional no solo es comparable al de los semiconductores basados en silicio, sino que también es compatible con la actual tecnología de proceso basada en silicio, lo que ayudará a romper los límites de la Ley de Moore en el futuro. Este avance tecnológico resolverá el principal problema de la entrada de semiconductores bidimensionales en la industria y es un hito importante para que los circuitos integrados sigan avanzando en la era posterior a Moore.
Además, el uso de la ciencia de materiales computacional para desarrollar nuevos algoritmos que aceleren el descubrimiento de más materiales nuevos también es un punto importante en el desarrollo actual de materiales. Por ejemplo, en enero de 2021, el Laboratorio Ames del Departamento de Energía de EE. UU. publicó un artículo sobre el algoritmo "Cuckoo Search" en la revista "Natural Computing Science". Este nuevo algoritmo puede buscar aleaciones de alta entropía. tiempo de semanas a segundos. El algoritmo de aprendizaje automático desarrollado por el Laboratorio Nacional Sandia en Estados Unidos es 40.000 veces más rápido que los métodos ordinarios, lo que acorta el ciclo de diseño de la tecnología de materiales en casi un año. En abril de 2021, investigadores de la Universidad de Liverpool en el Reino Unido desarrollaron un robot que puede diseñar de forma independiente rutas de reacciones químicas en 8 días, completar 688 experimentos y encontrar un catalizador eficiente para mejorar el rendimiento fotocatalítico de los polímeros.
Se necesitan meses para hacerlo manualmente. La Universidad de Osaka (Japón), utilizando 1200 materiales de células fotovoltaicas como base de datos de capacitación, estudió la relación entre la estructura de los materiales poliméricos y la inducción fotoeléctrica mediante algoritmos de aprendizaje automático y identificó con éxito la estructura de compuestos con posibles aplicaciones en 1 minuto. Los métodos tradicionales requieren de 5 a 6 años.
Hora de publicación: 11-ago-2022