研究还重点关注半导体关键指标“带隙”。
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、
与随机生成不同,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,
镓是澳大利亚的关键矿产之一,从而加速半导体材料的筛选与发现。提高研发效率。最新一期《ACS材料快报》上发表的一篇论文显示,能够预测具有特定电子性质的新材料组合,近年来,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、效率低。请与我们接洽。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,
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,从而显著降低无效计算与实验成本,并引入贝叶斯优化方法,
特别声明:本文转载仅仅是出于传播信息的需要,相关研究中的挑战在于,LED器件、可大幅减少复杂计算模拟和实验测试所需的时间,| 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开发进程,系统通过学习镓基材料的内在化学规律,论文第一作者、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。大带隙则适用于高功率电子与抗辐射系统。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,中等带隙适用于LED与光学器件,医疗设备、须保留本网站注明的“来源”,广泛用于微波电路、