À medida que os transistores continuam a ser miniaturizados, os canais através dos quais conduzem a corrente estão ficando cada vez mais estreitos, exigindo o uso contínuo de materiais de alta mobilidade eletrônica. Materiais bidimensionais como o dissulfeto de molibdênio são ideais para alta mobilidade eletrônica, mas quando interligados com fios metálicos, uma barreira Schottky é formada na interface de contato, fenômeno que inibe o fluxo de carga.
Em maio de 2021, uma equipe de pesquisa conjunta liderada pelo Massachusetts Institute of Technology e com a participação da TSMC e outros confirmou que o uso de bismuto semimetálico combinado com o arranjo adequado entre os dois materiais pode reduzir a resistência de contato entre o fio e o dispositivo , eliminando assim esse problema. , ajudando a superar os desafios assustadores dos semicondutores abaixo de 1 nanômetro.
A equipe do MIT descobriu que a combinação de eletrodos com bismuto semimetálico em um material bidimensional pode reduzir bastante a resistência e aumentar a corrente de transmissão. O departamento de pesquisa técnica da TSMC otimizou então o processo de deposição de bismuto. Finalmente, a equipe da Universidade Nacional de Taiwan usou um "sistema de litografia por feixe de íons de hélio" para reduzir com sucesso o canal do componente ao tamanho nanométrico.
Depois de usar o bismuto como estrutura chave do eletrodo de contato, o desempenho do transistor de material bidimensional não é apenas comparável ao dos semicondutores à base de silício, mas também compatível com a atual tecnologia de processo à base de silício convencional, o que ajudará a romper os limites da Lei de Moore no futuro. Este avanço tecnológico resolverá o principal problema da entrada de semicondutores bidimensionais na indústria e é um marco importante para que os circuitos integrados continuem a avançar na era pós-Moore.
Além disso, o uso da ciência computacional dos materiais para desenvolver novos algoritmos para acelerar a descoberta de mais novos materiais também é um ponto importante no desenvolvimento atual de materiais. Por exemplo, em janeiro de 2021, o Laboratório Ames do Departamento de Energia dos EUA publicou um artigo sobre o algoritmo “Cuckoo Search” na revista “Natural Computing Science”. Este novo algoritmo pode procurar ligas de alta entropia. tempo de semanas para segundos. O algoritmo de aprendizado de máquina desenvolvido pelo Laboratório Nacional Sandia nos Estados Unidos é 40.000 vezes mais rápido que os métodos comuns, encurtando o ciclo de projeto da tecnologia de materiais em quase um ano. Em abril de 2021, pesquisadores da Universidade de Liverpool, no Reino Unido, desenvolveram um robô que pode projetar rotas de reações químicas de forma independente em 8 dias, concluir 688 experimentos e encontrar um catalisador eficiente para melhorar o desempenho fotocatalítico dos polímeros.
Leva meses para fazer isso manualmente. A Universidade de Osaka, no Japão, usando 1.200 materiais de células fotovoltaicas como banco de dados de treinamento, estudou a relação entre a estrutura dos materiais poliméricos e a indução fotoelétrica por meio de algoritmos de aprendizado de máquina e eliminou com sucesso a estrutura de compostos com aplicações potenciais em 1 minuto. Os métodos tradicionais requerem de 5 a 6 anos.
Horário da postagem: 11 de agosto de 2022