A medida que os transistores seguen a ser miniaturizados, as canles polas que conducen a corrente son cada vez máis estreitas, o que require o uso continuado de materiais de alta mobilidade electrónica. Os materiais bidimensionais como o disulfuro de molibdeno son ideais para unha alta mobilidade electrónica, pero cando se interconectan con fíos metálicos, fórmase unha barreira Schottky na interface de contacto, un fenómeno que inhibe o fluxo de carga.
En maio de 2021, un equipo de investigación conxunto dirixido polo Instituto Tecnolóxico de Massachusetts e no que participaron TSMC e outros confirmou que o uso de bismuto semimetálico combinado coa disposición adecuada entre os dous materiais pode reducir a resistencia de contacto entre o fío e o dispositivo. , eliminando así este problema. , axudando a acadar os desafíos abrumadores dos semicondutores por debaixo de 1 nanómetro.
O equipo do MIT descubriu que a combinación de electrodos con bismuto semimetálico nun material bidimensional pode reducir moito a resistencia e aumentar a corrente de transmisión. O departamento de investigación técnica de TSMC optimizou o proceso de deposición de bismuto. Finalmente, o equipo da Universidade Nacional de Taiwán utilizou un "sistema de litografía de feixe de iones de helio" para reducir con éxito a canle de compoñentes ao tamaño nanómetro.
Despois de utilizar o bismuto como estrutura clave do electrodo de contacto, o rendemento do transistor de material bidimensional non só é comparable ao dos semicondutores baseados en silicio, senón que tamén é compatible coa tecnoloxía de proceso baseada en silicio, o que axudará a romper os límites da Lei de Moore no futuro. Este avance tecnolóxico resolverá o principal problema dos semicondutores bidimensionais que entran na industria e supón un fito importante para que os circuítos integrados sigan avanzando na era posterior a Moore.
Ademais, utilizar a ciencia de materiais computacionais para desenvolver novos algoritmos para acelerar o descubrimento de máis novos materiais tamén é un punto candente no desenvolvemento actual de materiais. Por exemplo, en xaneiro de 2021, o Laboratorio de Ames do Departamento de Enerxía dos Estados Unidos publicou un artigo sobre o algoritmo "Cuckoo Search" na revista "Natural Computing Science". Este novo algoritmo pode buscar aliaxes de alta entropía. tempo de semanas a segundos. O algoritmo de aprendizaxe automática desenvolvido polo Laboratorio Nacional de Sandia nos Estados Unidos é 40.000 veces máis rápido que os métodos habituais, o que acurta o ciclo de deseño da tecnoloxía dos materiais en case un ano. En abril de 2021, investigadores da Universidade de Liverpool, no Reino Unido, desenvolveron un robot que pode deseñar de forma independente rutas de reaccións químicas en 8 días, completar 688 experimentos e atopar un catalizador eficiente para mellorar o rendemento fotocatalítico dos polímeros.
Leva meses facelo manualmente. A Universidade de Osaka, Xapón, utilizando 1.200 materiais de células fotovoltaicas como base de datos de adestramento, estudou a relación entre a estrutura dos materiais poliméricos e a indución fotoeléctrica a través de algoritmos de aprendizaxe automática e eliminou con éxito a estrutura de compostos con posibles aplicacións en 1 minuto. Os métodos tradicionais requiren de 5 a 6 anos.
Hora de publicación: 11-Ago-2022