生成人工智能时代半导体材料的新动向（英）2025

研报总结

核心观点

半导体材料研究持续推动摩尔定律的极限，提升效率、容量和微型化速度。随着应用和设备的不断演变，行业需要新型半导体材料以满足新兴应用在功率、性能和面积方面的需求。本文探讨了利用人工智能在材料科学中发现和发明新材料的创新方法。

半导体材料概述

• 传统材料：锗、硅和砷化镓是传统半导体材料，但硅因成本效益和丰度成为主导。
• 新型材料：
  • 氮化镓（GaN）：用于下一代功率半导体，提供更高效、更快的功率转换，具有优异的热性能和更小的尺寸。
  • 锗：因电子移动速度更快（比硅快三倍）而重新受到关注，有望在摩尔定律接近极限时回归。
  • 碳化硅（SiC）：适用于高电流（50 A以上）和高电压（超过1700 V）的应用，潜力支持电压超过10 kV。
  • 砷化镓（GaAs）：目前第二广泛使用的半导体材料，适用于高频应用。
  • 金刚石：具有最高的击穿强度和优异的热导率，但存在掺杂、表面通道和接触等技术挑战。
  • 石墨烯：因其高强度、柔性和导电性，有望取代硅，应用于电池、轻量化电源、柔性技术和照明等领域。

人工智能在半导体材料研究中的应用

• 生成式AI：通过逆设计方法，定义所需性能并发现具有这些性能的材料，比传统方法更高效。
• 应用案例：生成式AI在药物研究中加速药物发现和开发，包括 lead discovery、药物再利用、分子生成和化学过程优化。
• 技术框架：结合强化学习框架，评估和改进生成式AI的解决方案，确保其性能提升。

研究结论

生成式AI在半导体材料研究中的应用，通过逆设计方法，能够高效发现和发明新型材料，推动半导体行业持续创新，满足未来应用的需求。