計算機視覺(jué)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(dòng)表征（自動(dòng)表征）工具，利用自適應計算機視覺(jué)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(gè)高通量合成平臺上演示了這些工具的應用，該平臺在一小時(shí)內生產(chǎn)出獨特的鈣鈦礦半導體。

背景

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

高通量合成方法已經(jīng)被開(kāi)發(fā)出來(lái)，以加速多樣化材料樣品的生產(chǎn)，但它們在表征過(guò)程中面臨瓶頸，這通常是緩慢的、手動(dòng)的和剛性的。因此，需要自動(dòng)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(guò)開(kāi)發(fā)使用可擴展計算機視覺(jué)技術(shù)從圖像數據中提取關(guān)鍵信息的自動(dòng)表征工具，來(lái)解決高通量合成的半導體材料的表征挑戰。他們專(zhuān)注于鈣鈦礦半導體系統FA1-xMAxPbI3，0?≤?x ≤?1，該系統在太陽(yáng)能電池應用中表現出有希望的潛力，但也顯示出復雜的成分依賴(lài)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(shí)內將200個(gè)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(yáng)離子的組成梯度。這些樣品具有可變的形態(tài)，與現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(kāi)發(fā)的自動(dòng)表征工具處理圖像數據，這些工具包括計算機視覺(jué)分割工具、成分映射工具、帶隙自動(dòng)表征工具和降解自動(dòng)表征工具。

首先，計算機視覺(jué)分割工具從高光譜數據立方中識別和索引每個(gè)樣品及其對應的反射光譜，從而能夠對許多樣品進(jìn)行并行測量。其次，成分映射工具通過(guò)整合噴墨打印機的泵速隨時(shí)間的變化，并將其空間映射到分割的樣品上，確定每個(gè)樣品中FA和MA陽(yáng)離子的比例。

第三，帶隙自動(dòng)表征工具通過(guò)將反射光譜轉換為T(mén)auc曲線(xiàn)，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(xiàn)性回歸線(xiàn)來(lái)計算每個(gè)樣品的直接帶隙。最后，降解自動(dòng)表征工具通過(guò)在校準的RGB色彩空間中整合隨時(shí)間變化的顏色變化，并使用降解強度度量來(lái)量化每個(gè)樣品的降解程度。

研究發(fā)現

通過(guò)與傳統方法和領(lǐng)域專(zhuān)家評估結果進(jìn)行比較，驗證了自動(dòng)表征工具的性能。結果表明，自動(dòng)表征工具在測量鈣鈦礦樣品的成分、帶隙和降解方面實(shí)現了高準確性和速度。此外，成分映射工具通過(guò)X射線(xiàn)衍射和X射線(xiàn)光電子能譜驗證了預期的晶體結構和樣品元素成分的變化。

具體來(lái)說(shuō)，帶隙自動(dòng)表征工具在與專(zhuān)家計算的帶隙進(jìn)行比較時(shí)，表現出強線(xiàn)性擬合，R2為0.975，在0.02 eV范圍內達到98.5%的準確率。降解自動(dòng)表征工具在與降解的基準真值（通過(guò)帶隙前后的偏差確定）比較時(shí)，表現出0.853的精確召回曲線(xiàn)下面積和96.9%的最高準確率。

此外，自動(dòng)表征工具顯著(zhù)加快了表征過(guò)程，計算200個(gè)樣品的帶隙僅需6分鐘，檢測降解僅需20分鐘，而傳統方法分別需要510分鐘和數小時(shí)或數天。

應用

該工具在半導體材料發(fā)現和優(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(jìn)新型高性能材料的發(fā)現。通過(guò)修改計算機視覺(jué)算法和數據分析方法，該工具還可以適用于其他材料系統和特性，如有機光伏、納米材料和多孔介質(zhì)。

結論

總之，這種新工具在從高光譜和RGB圖像數據中提取成分、帶隙和降解信息方面表現出高效性，其處理速度比傳統方法快85倍。未來(lái)的工作應集中于將這些自動(dòng)表征工具擴展到具有多個(gè)帶隙的多相材料，以及其他材料系統和特性。此外，將這些工具與機器學(xué)習和人工智能技術(shù)相結合，可以進(jìn)一步實(shí)現數據驅動(dòng)的智能材料設計。