計算機視覺加速半導體分析

在最近發(fā)表在《自然通訊》雜志上的一篇文章中，研究人員介紹了一套自動表征（自動表征）工具，利用自適應(yīng)計算機視覺技術(shù)快速準確地測量半導體材料的關(guān)鍵特性。他們在一個高通量合成平臺上演示了這些工具的應(yīng)用，該平臺在一小時內(nèi)生產(chǎn)出獨特的鈣鈦礦半導體。

背景

半導體材料廣泛應(yīng)用于電子學、光電子學、太陽能電池和傳感器等各個領(lǐng)域。然而，發(fā)現(xiàn)和優(yōu)化新半導體材料是一項具有挑戰(zhàn)性的任務(wù)，因為這需要探索一個大而復雜的材料搜索空間，并表征影響設(shè)備性能和穩(wěn)定性的材料特性。

高通量合成方法已經(jīng)被開發(fā)出來，以加速多樣化材料樣品的生產(chǎn)，但它們在表征過程中面臨瓶頸，這通常是緩慢的、手動的和剛性的。因此，需要自動化和可擴展的表征工具，以跟上高通量合成的步伐，并提供有關(guān)材料特性的快速和準確的反饋。

關(guān)于這項研究

在這篇論文中，作者旨在通過開發(fā)使用可擴展計算機視覺技術(shù)從圖像數(shù)據(jù)中提取關(guān)鍵信息的自動表征工具，來解決高通量合成的半導體材料的表征挑戰(zhàn)。他們專注于鈣鈦礦半導體系統(tǒng)FA1-xMAxPbI3，0?≤?x ≤?1，該系統(tǒng)在太陽能電池應(yīng)用中表現(xiàn)出有希望的潛力，但也顯示出復雜的成分依賴特性，如帶隙和降解。

該研究使用高通量噴墨打印平臺在一小時內(nèi)將200個獨特的鈣鈦礦樣品沉積在玻璃基板上，創(chuàng)建了甲脒（FA）和甲基銨（MA）陽離子的組成梯度。這些樣品具有可變的形態(tài)，與現(xiàn)有的表征工具不兼容。

因此，使用高光譜成像儀和標準紅綠藍（RGB）相機分別捕捉樣品的反射光譜和顏色變化。然后由開發(fā)的自動表征工具處理圖像數(shù)據(jù)，這些工具包括計算機視覺分割工具、成分映射工具、帶隙自動表征工具和降解自動表征工具。

首先，計算機視覺分割工具從高光譜數(shù)據(jù)立方中識別和索引每個樣品及其對應(yīng)的反射光譜，從而能夠?qū)υS多樣品進行并行測量。其次，成分映射工具通過整合噴墨打印機的泵速隨時間的變化，并將其空間映射到分割的樣品上，確定每個樣品中FA和MA陽離子的比例。

第三，帶隙自動表征工具通過將反射光譜轉(zhuǎn)換為Tauc曲線，并使用遞歸分割和迭代擬合算法在Tauc峰值之間找到最佳擬合線性回歸線來計算每個樣品的直接帶隙。最后，降解自動表征工具通過在校準的RGB色彩空間中整合隨時間變化的顏色變化，并使用降解強度度量來量化每個樣品的降解程度。

研究發(fā)現(xiàn)

通過與傳統(tǒng)方法和領(lǐng)域?qū)＜以u估結(jié)果進行比較，驗證了自動表征工具的性能。結(jié)果表明，自動表征工具在測量鈣鈦礦樣品的成分、帶隙和降解方面實現(xiàn)了高準確性和速度。此外，成分映射工具通過X射線衍射和X射線光電子能譜驗證了預期的晶體結(jié)構(gòu)和樣品元素成分的變化。

具體來說，帶隙自動表征工具在與專家計算的帶隙進行比較時，表現(xiàn)出強線性擬合，R2為0.975，在0.02 eV范圍內(nèi)達到98.5%的準確率。降解自動表征工具在與降解的基準真值（通過帶隙前后的偏差確定）比較時，表現(xiàn)出0.853的精確召回曲線下面積和96.9%的最高準確率。

此外，自動表征工具顯著加快了表征過程，計算200個樣品的帶隙僅需6分鐘，檢測降解僅需20分鐘，而傳統(tǒng)方法分別需要510分鐘和數(shù)小時或數(shù)天。

應(yīng)用

該工具在半導體材料發(fā)現(xiàn)和優(yōu)化方面具有重要意義。它能夠快速準確地反饋材料特性，從而更快地篩選和選擇最佳組成和條件。

此外，它有助于探索更大、更復雜的材料搜索空間，促進新型高性能材料的發(fā)現(xiàn)。通過修改計算機視覺算法和數(shù)據(jù)分析方法，該工具還可以適用于其他材料系統(tǒng)和特性，如有機光伏、納米材料和多孔介質(zhì)。

結(jié)論

總之，這種新工具在從高光譜和RGB圖像數(shù)據(jù)中提取成分、帶隙和降解信息方面表現(xiàn)出高效性，其處理速度比傳統(tǒng)方法快85倍。未來的工作應(yīng)集中于將這些自動表征工具擴展到具有多個帶隙的多相材料，以及其他材料系統(tǒng)和特性。此外，將這些工具與機器學習和人工智能技術(shù)相結(jié)合，可以進一步實現(xiàn)數(shù)據(jù)驅(qū)動的智能材料設(shè)計。