Plusieurs laboratoires américains prévoient de créer un « nuage de découverte des matériaux » pour prédire l'impact des défauts sur les dispositifs microélectroniques grâce à l'IA

Des chercheurs du Laboratoire national d'Argonne, du Laboratoire national Lawrence Berkeley, du Laboratoire national d'Oak Ridge et de l'Université Northwestern, relevant du Département de l'énergie des États-Unis, prévoient de développer une plateforme de « nuage de découverte des matériaux », utilisant un cadre d'intelligence artificielle fondé sur les principes de la physique pour prédire comment les défauts microscopiques affectent les performances et la durée de vie des dispositifs microélectroniques.

Image de visualisation du nuage de découverte des matériaux, un cadre d'intelligence artificielle fondé sur les principes de la physique qui intègre des données expérimentales, des simulations et le calcul haute performance pour prédire comment les défauts microscopiques affectent les performances et la durée de vie des dispositifs microélectroniques. (Image fournie par ChatGPT.)

Les dispositifs microélectroniques sont largement utilisés dans des domaines tels que les smartphones, les ordinateurs portables, les communications sécurisées et le matériel d'intelligence artificielle. À mesure que la taille des dispositifs ne cesse de diminuer et que leur vitesse de fonctionnement augmente, l'impact des défauts microscopiques à l'intérieur des matériaux et aux interfaces sur la stabilité des dispositifs devient plus prononcé. Ces défauts peuvent provoquer une surchauffe, des fuites de courant, une instabilité de commutation, ou encore améliorer les performances électriques ou thermiques dans certaines conditions. Comment identifier les défauts critiques et comprendre leur évolution dans des conditions de fonctionnement réelles est devenu un enjeu majeur dans la conception des matériaux microélectroniques de nouvelle génération.

Selon la conception du projet, le « nuage de découverte des matériaux » intégrera des données expérimentales, des simulations avancées et le calcul haute performance, reliant la composition des matériaux, la structure, les conditions de fonctionnement à l'évolution des défauts et aux propriétés fonctionnelles telles que le potentiel électrostatique, la densité de courant et la température. L'équipe de recherche espère, grâce à cette plateforme, transformer des mesures fragmentaires en capacités prédictives utilisables pour la conception de dispositifs.

La plateforme utilisera les ressources de données des installations utilisateur et des systèmes de calcul avancés du Bureau des sciences du Département de l'énergie des États-Unis, notamment la source de photons avancée, le Centre des matériaux à l'échelle nanométrique et l'installation de calcul de leadership d'Argonne du Laboratoire national d'Argonne, la source de lumière avancée, la fonderie moléculaire et le Centre de calcul scientifique pour la recherche énergétique nationale du Laboratoire Lawrence Berkeley, ainsi que le Centre des sciences des matériaux à phase nanométrique du Laboratoire national d'Oak Ridge. Ces installations fournissent un soutien en matière de mesures par rayons X, de caractérisation microscopique, de simulation des matériaux et de calcul à grande échelle.

Les chercheurs indiquent qu'une seule méthode expérimentale ne peut pas révéler complètement le comportement des défauts dans les matériaux microélectroniques. La microscopie électronique permet d'observer des caractéristiques à très petite échelle, les méthodes par rayons X permettent d'analyser les contraintes, la structure interne et le mouvement des défauts, tandis que d'autres techniques sont utilisées pour mesurer la composition chimique, le comportement électrique et le flux thermique. Placer plusieurs types de données dans un cadre unifié contribue à une compréhension plus complète de la relation entre les défauts des matériaux et les performances des dispositifs.

Le projet introduira également des méthodes de découverte autonome, combinant l'intelligence artificielle, l'apprentissage automatique et la robotique, pour aider les chercheurs à déterminer quelles mesures effectuer ensuite et à synthétiser des échantillons et réaliser diverses caractérisations dans un processus à plus haut débit. Des données synthétiques générées par simulation seront également utilisées pour compléter les données expérimentales insuffisantes et aider à former les modèles d'intelligence artificielle.

Subramanian Sankaranarayanan, scientifique au Laboratoire national d'Argonne et chercheur principal du projet, a déclaré que l'avantage du « nuage de découverte des matériaux » réside dans l'intégration de l'expérimentation, de la simulation et de l'intelligence artificielle dans un même flux de travail, permettant aux chercheurs d'apprendre à partir des données limitées existantes et d'améliorer continuellement le cadre à mesure que de nouvelles données s'ajoutent.

L'équipe de recherche souligne que ce système n'est pas une « boîte noire » qui ne fait que produire des résultats, mais qu'il fonctionnera sous la direction de lois physiques établies, afin de garantir que les prédictions reflètent le comportement réel des matériaux et des dispositifs. Si le développement aboutit, cette plateforme pourrait aider les scientifiques à détecter plus tôt les problèmes potentiels dans la conception des matériaux microélectroniques, à raccourcir les cycles de test et à soutenir le développement de dispositifs électroniques plus fiables et plus économes en énergie.