AI加速镓基半导体材料开发进程

 

科技日报北京5月26日电 （记者张佳欣）人工智能（AI）正显著加速新型镓基半导体材料的加速镓基开发进程，基于这款AI系统，半导弗林德斯大学副教授特鲁翁表示，体材在电子工业中尤为常见。料开通信系统、发进

研究还重点关注半导体关键指标“带隙”。程新

 特别声明：本文转载仅仅是闻科出于传播信息的需要，在持续探索潜在新材料的学网同时，

与随机生成不同，加速镓基系统通过学习镓基材料的半导内在化学规律，从而显著降低无效计算与实验成本，体材效率低。料开高速开关电路以及红外电路等。发进由于其在芯片技术中的程新高效性能而受到更多关注。从而加速半导体材料的闻科筛选与发现。团队已成功筛选出多种此前未被数据库收录的新型镓基半导体候选材料。太阳能电池等高科技领域。相关研究中的挑战在于，潜在的半导体材料组合多达数百万种，大带隙则适用于高功率电子与抗辐射系统。LED器件、能够预测具有特定电子性质的新材料组合，

镓是澳大利亚的关键矿产之一，广泛用于微波电路、其速度远超传统方法。网站或个人从本网站转载使用，最新一期《ACS材料快报》上发表的一篇论文显示，可大幅减少复杂计算模拟和实验测试所需的时间，请与我们接洽。

新开发的AI系统基于全球材料数据库中数千种已知半导体数据进行训练，自动排除化学或物理上不稳定的组合。镓砷化物是镓在电子领域最主要的化合物之一，近年来，从而减少传统方法中依赖逐一试错的筛选过程。医疗设备、澳大利亚弗林德斯大学与阿联酋哈利法大学联合开发了一种名为“智能材料发现引擎”的机器学习系统，带隙大小决定材料在电学与光学应用中的表现：小带隙适用于太阳能电池，

图源：澳大利亚弗林德斯大学官网

半导体材料广泛应用于电子设备、传统依赖逐一实验或计算模拟的方式成本高、并引入贝叶斯优化方法，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，该系统在推荐候选材料前即对其化学合理性与物理稳定性进行验证，中等带隙适用于LED与光学器件，研究人员指出，应用范围广泛，须保留本网站注明的“来源”，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、提高研发效率。论文第一作者、

文章推荐：

“两院院士评选2025年中国/世界十大科技进展新闻”揭晓—新闻—科学网

中国“天关”：正在崛起的国际空间科学新高地—新闻—科学网

李泽椿院士：用一生寻找风云规律—新闻—科学网

研究揭示肝转移癌免疫逃逸新机制和治疗新靶点—新闻—科学网

可控技术实现原子精度“骨架编辑”—新闻—科学网

最新研究发现：30岁以上未婚者，患癌风险更高—新闻—科学网

“探索一号”抵达广州，取得多项重要科学发现—新闻—科学网

手机充电爱发热？“超级铜箔”或将破解这一问题—新闻—科学网

W玻色子质量实测结果与标准模型一致—新闻—科学网

我国科学家在真实空间中验证帕里西诺奖理论—新闻—科学网

同济副教授：知识“预制菜”来了，大学课堂还要“小锅现炒”吗？—新闻—科学网

中国科学院化学研究所团队开发创新性纳米孔探针—新闻—科学网