AI加速镓基半導體材料開發進程

人工智能（AI）正顯著加速新型镓基半導體材料的開發進程，其速度遠超傳統方法。最新一期《ACS材料快報》上發表的一篇論文顯示，澳大利亞弗林德斯大學與阿聯酋哈利法大學聯合開發了一種名為“智能材料發現引擎”的機器學習系統，可大幅減少複雜計算模拟和實驗測試所需的時間，從而加速半導體材料的篩選與發現。基于這款AI系統，團隊已成功篩選出多種此前未被數據庫收錄的新型镓基半導體候選材料。

半導體材料廣泛應用于電子設備、通信系統、醫療設備、LED器件、太陽能電池等高科技領域。論文第一作者、弗林德斯大學副教授特魯翁表示，相關研究中的挑戰在于，潛在的半導體材料組合多達數百萬種，傳統依賴逐一實驗或計算模拟的方式成本高、效率低。

镓是澳大利亞的關鍵礦産之一，應用範圍廣泛，在電子工業中尤為常見。近年來，由于其在芯片技術中的高效性能而受到更多關注。镓砷化物是镓在電子領域最主要的化合物之一，廣泛用于微波電路、高速開關電路以及紅外電路等。

新開發的AI系統基于全球材料數據庫中數千種已知半導體數據進行訓練，并引入貝葉斯優化方法，在持續探索潛在新材料的同時，自動排除化學或物理上不穩定的組合。研究人員指出，系統通過學習镓基材料的内在化學規律，能夠預測具有特定電子性質的新材料組合，從而減少傳統方法中依賴逐一試錯的篩選過程。

與随機生成不同，該系統在推薦候選材料前即對其化學合理性與物理穩定性進行驗證，從而顯著降低無效計算與實驗成本，提高研發效率。

研究還重點關注半導體關鍵指标“帶隙”。帶隙大小決定材料在電學與光學應用中的表現：小帶隙适用于太陽能電池，中等帶隙适用于LED與光學器件，大帶隙則适用于高功率電子與抗輻射系統。

科技日報記者 張佳欣