מערכת למידת מכונה שפיתחו חוקרים מאוניברסיטת פלינדרס ומאוניברסיטת ח’ליפה מציעה חומרים מוליכים למחצה מבוססי גליום עם פערי אנרגיה מוגדרים. המטרה: לצמצם את הדרך הארוכה בין חיפוש כימי לבין מועמדים לשבבים ורכיבים אלקטרוניים חדשים
החיפוש אחר הדור הבא של חומרי השבבים מקבל כלי חדש: מערכת בינה מלאכותית שמסוגלת לסנן מרחב עצום של שילובים כימיים ולהציע חומרים מוליכים למחצה בעלי תכונות אלקטרוניות רצויות. צוות מחקר בין־לאומי, בהובלת אוניברסיטת פלינדרס באוסטרליה ובשיתוף אוניברסיטת ח’ליפה באיחוד האמירויות, פיתח פלטפורמת למידת מכונה שתפקידה לשמש “מנוע חכם לגילוי חומרים”.
המחקר, שפורסם בכתב העת ACS Materials Letters, התמקד בחומרים המכילים גליום. גליום מוכר היטב בתעשיית האלקטרוניקה בזכות תרכובות כמו גליום ארסניד, המשמשות בין השאר במעגלי מיקרוגל, במעגלי מיתוג מהירים וברכיבים לאינפרה־אדום. בשנים האחרונות הוא זוכה לתשומת לב מחודשת גם בשל חשיבותו לטכנולוגיות שבבים מתקדמות ולרכיבים אלקטרוניים שבהם נדרשים מהירות, יעילות ועמידות.
הבעיה המרכזית היא שמרחב האפשרויות הכימי כמעט בלתי מוגבל. כדי למצוא חומר מתאים לשבב, לרכיב אופטי או למערכת הספק, יש לבחון שילובים רבים של יסודות, יחסים כימיים ומבנים אפשריים. בדיקה כזו במעבדה היא איטית ויקרה, וגם סימולציות חישוביות מדויקות דורשות משאבי מחשוב רבים. במקום לעבור על האפשרויות אחת־אחת, המערכת החדשה לומדת מדוגמאות קיימות ומכוונת את החיפוש אל אזורים מבטיחים יותר.
החוקרים אימנו את המערכת על אלפי חומרים מוליכים למחצה מוכרים ממאגרי חומרים בין־לאומיים. לאחר מכן השתמשה המערכת באופטימיזציה בייסיאנית – שיטה סטטיסטית המשלבת חיזוי עם בחירה חכמה של הניסוי הבא – כדי להציע חומרים חדשים המכילים גליום. המטרה הייתה למצוא תרכובות עם פער אנרגיה, או band gap, בטווח מוגדר מראש.
פער האנרגיה
פער האנרגיה הוא אחת התכונות החשובות ביותר של מוליך למחצה. הוא קובע כיצד החומר מגיב לחשמל ולאור, ולכן משפיע על התאמתו לשימושים שונים. פערים קטנים יחסית יכולים להתאים ליישומי אנרגיה סולרית, פערים בינוניים חשובים לרכיבים אופטיים ולנורות LED, ופערים גדולים יותר נחוצים ברכיבי הספק, במערכות עמידות לקרינה וביישומים שבהם נדרשת עבודה בתנאים קשים.
אחת הנקודות החשובות במחקר היא שהמערכת אינה “ממציאה” נוסחאות כימיות באקראי. לפי החוקרים, היא בודקת אם המועמדים שהיא מציעה הם סבירים מבחינה כימית ויציבים מבחינה פיזיקלית לפני שהיא ממליצה עליהם להמשך בדיקה. בכך היא מצמצמת את מספר הכיוונים הלא־ריאליים ומגדילה את הסיכוי שהמועמדים שייבחרו יוכלו לעבור לשלב של אימות חישובי מתקדם או ניסוי מעבדתי.
החוקרים מדווחים כי המערכת הצליחה להציע כמה מועמדים חדשים לגמרי של מוליכים למחצה מבוססי גליום, שלא הופיעו במאגרי הנתונים שעליהם אומנה. זהו עדיין שלב מוקדם: הצעה חישובית של חומר אינה שקולה לייצורו בפועל, ויש לבדוק אם אפשר לסנתז את החומרים, אם הם יציבים בתנאי עבודה ואם הם אכן מציגים את התכונות שנחזו להם. עם זאת, עצם היכולת לצמצם במהירות את מרחב החיפוש עשויה להיות משמעותית מאוד לתעשיית השבבים והחומרים האלקטרוניים.
החשיבות הרחבה של המחקר חורגת מעבר לגליום עצמו. תעשיית השבבים אינה נשענת רק על מזעור טרנזיסטורים, אלא גם על חומרים חדשים: חומרים לרכיבי הספק, לחיישנים, לפוטוניקה, לתאים סולריים, לתקשורת מהירה ולרכיבים עמידים יותר. ככל שמתרבים היישומים, כך גדל הצורך בשיטות מהירות יותר לגילוי חומרים בעלי תכונות מדויקות.
הגישה שמציגים החוקרים ממחישה כיצד בינה מלאכותית יכולה להשתלב במחקר חומרים באופן מעשי. היא אינה מחליפה את הכימאים, הפיזיקאים ומהנדסי החומרים, אלא מסייעת להם לבחור במה להתמקד. במקום להשקיע זמן רב בבדיקת אלפי אפשרויות חלשות, החוקרים יכולים להתחיל מרשימה מצומצמת יותר של מועמדים מבטיחים. אם הגישה תמשיך להצליח גם באימות ניסויי, היא עשויה לקצר את הדרך בין רעיון כימי חדש לבין חומר שימושי בדור הבא של שבבים ורכיבים אלקטרוניים.
למאמר המדעי: DOI: 10.1021/acsmaterialslett.5c01482
FAQ קצר:
מה גילו החוקרים?
החוקרים פיתחו מערכת למידת מכונה שמציעה חומרים מוליכים למחצה מבוססי גליום עם פערי אנרגיה מוגדרים מראש.
האם החומרים כבר יוצרו במעבדה?
לא בהכרח. המחקר מציע מועמדים חישוביים, והשלב הבא הוא אימות נוסף באמצעות חישובים מדויקים וניסויים.
למה גליום חשוב לשבבים?
תרכובות גליום משמשות באלקטרוניקה מהירה, ברכיבי מיקרוגל, באינפרה־אדום וברכיבים שבהם נדרשים ביצועים גבוהים.
מהו פער אנרגיה?
פער אנרגיה הוא תכונה שקובעת כיצד מוליך למחצה מגיב לחשמל ולאור, ולכן היא משפיעה על התאמתו לשימושים כמו תאים סולריים, LED ורכיבי הספק.
מה היתרון של בינה מלאכותית בגילוי חומרים?
היא יכולה לצמצם במהירות את מספר האפשרויות שיש לבדוק, ולהפנות את החוקרים למועמדים מבטיחים יותר.
עוד בנושא באתר הידען:
