Los dispositivos de película delgada, que consisten en algunas capas de material grueso de nanoteter, juegan un papel vital en varias tecnologías, que van desde las tecnologías de semiconductores hasta comunicación. Por ejemplo, las películas delgadas de múltiples capas de grafina y nitruro hexagonal (H-BN), que se acumulan en los restos de cobre, son materiales prometedores para la próxima generación de sistemas de comunicación de alta velocidad. Las películas delgadas se cultivan mediante la recolección de pequeñas capas de material en un sustituto. Las condiciones del proceso de desarrollo afectan significativamente la microestructura de estas películas, lo que a su vez afecta su función y rendimiento.
Las estructuras dandéricas o muestras de ramificación similares a los árboles que emergen durante el crecimiento, ofrecen un gran desafío para el tejido de grandes campos de películas delgadas, que es un paso importante hacia la aplicación comercial. Por lo general, se observan en materiales como cobre, grafina y borofina, especialmente en la fase de crecimiento temprano y las películas multiclapas. Dado que la microestructura afecta directamente el rendimiento del dispositivo, por lo tanto, es importante reducir la formación dendrical. Sin embargo, los métodos para estudiar los dandrotes han dependido del análisis visual en bruto a gran escala y la interpretación sapotic. Para mejorar el crecimiento de una película delgada, es importante comprender los términos que ejecutan la ramificación dandérica, pero los métodos actuales a menudo requieren pruebas y errores considerables.
Para abordar estos desafíos, un equipo de investigación dirigido por Masato Kotigi, profesor de ciencia y tecnología de materiales en la Universidad de Ciencias de Tokio (TUS), Japón, desarrolló una descripción sofisticada del modelo de inteligencia artificial (IA) para analizar la estructura dandérica. El equipo también incluyó tono mesto basado en TUS e IP Obiashi de la Universidad de Okimia. El equipo desarrolló un nuevo método que integra la homemología permanente y el aprendizaje automático con análisis de energía y une el crecimiento y el proceso dendrético. “Nuestro enfoque proporciona nuevas ideas sobre el método de desarrollo y ofrece un camino poderoso y impulsado por los datos para mejorar el tejido de una película delgada”, explicó el profesor Cottsigi. Su estudio fue publicado en línea en ciencias y tecnología de contenido sofisticada: métodos del 7 de marzo de 2025.
Para analizar la forma de la estructura de dendrita, el equipo utilizó un método de topología sofisticado llamado Homología Permanente (PH). El PHG permite un análisis a escala múltiple de agujeros y contactos dentro de la estructura geométrica, lo que permite las complejas propiedades topológicas de la microestructura de dendrite de microestructura dendrita que a menudo ignora las técnicas tradicionales de procesamiento de imágenes.
Los investigadores mezclan el pH con el análisis de componentes principales (PCA), una técnica de aprendizaje automático. A través del PCA, las propiedades esenciales de la morfología Dendright extraída por el pH se han reducido al espacio de dos dimensiones. Esto ayudó al equipo a corregir la cantidad de cambios estructurales en los dendrrrrrrrrrrmatics y establecer una relación entre estos cambios y la energía disponible en la energía libre de Gabus, o la energía disponible en un material que afecta la formación de dendriets durante el crecimiento cristalino. Al analizar esta relación, expusieron términos específicos y procedimientos de crecimiento ocultos que afectan la ramificación dendrética. El profesor Cottsigi explica: “Nuestro marco fabrica mapas para la morfología dandérica para las variaciones de energía libre, que muestra la energía -gradual que ejecutan el comportamiento de ramificación”.
Para corregir su enfoque, los investigadores estudiaron el crecimiento de Dandright en sub -Reservoirs de cobre hexagonal y compararon sus resultados con los datos de imitación de campo de fase.
“Al interactuar con la toopología y la energía libre, nuestro método ofrece un enfoque versátil para el análisis de materiales. A través de esta integración, tenemos un alto nivel de microestructuras y funcionamiento macroscópico en el amplio rango para el progreso futuro en la ciencia de los materiales, que puede ser una forma de alta nivel de la forma de desarrollar una alta calidad”. Puede haber más de 5 g de comunicación más rápida.
El marco de este estudio puede allanar el camino para los éxitos de materiales de alto rendimiento al exponer las relaciones funcionales de las estructuras ocultas en materiales de alto rendimiento y estructuras ocultas en materiales de alto rendimiento y empujar el análisis del sistema complejo.
