Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Semiconductors01:22

Semiconductors

1.2K
There is variation in the electrical conductivity of materials - metals, semiconductors, and insulators that are showcased with the help of the energy band diagrams.
Metals such as copper (Cu), zinc (Zn), or lead (Pb) have low resistivity and feature conduction bands that are either not fully occupied or overlap with the valence band, making a bandgap non-existent. This allows electrons in the highest energy levels of the valence band to easily transition to the conduction band upon gaining...
1.2K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Engineering gold-platinum core-shell nanoparticles by self-limitation in solution.

Communications chemistry·2023
Same author

Self-Limiting Shell Formation in Cu@Ag Core-Shell Nanocrystals during Galvanic Replacement.

The journal of physical chemistry letters·2020
Same author

Manipulating the Transition Dipole Moment of CsPbBr<sub>3</sub> Perovskite Nanocrystals for Superior Optical Properties.

Nano letters·2019
Same author

Design Principles for Trap-Free CsPbX<sub>3</sub> Nanocrystals: Enumerating and Eliminating Surface Halide Vacancies with Softer Lewis Bases.

Journal of the American Chemical Society·2018
Same author

Atomic Layer Etching: Rethinking the Art of Etch.

The journal of physical chemistry letters·2018
Same author

Tailoring Morphology of Cu-Ag Nanocrescents and Core-Shell Nanocrystals Guided by a Thermodynamic Model.

Journal of the American Chemical Society·2018
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Nov 25, 2025

Mechanostimulation of Multicellular Organisms Through a High-Throughput Microfluidic Compression System
09:56

Mechanostimulation of Multicellular Organisms Through a High-Throughput Microfluidic Compression System

Published on: December 23, 2022

1.7K

Colaboración hombre-máquina para mejorar el desarrollo de procesos de semiconductores

Keren J Kanarik1, Wojciech T Osowiecki1, Yu Joe Lu1

  • 1Lam Research Corporation, Fremont, CA, USA.

Nature
|March 8, 2023
PubMed
Resumen

La inteligencia artificial (IA) y los ingenieros humanos pueden desarrollar conjuntamente procesos de chips semiconductores de manera más asequible. La combinación de experiencia humana con algoritmos de IA reduce a la mitad los costos de desarrollo en comparación con los enfoques solo humanos.

Más Videos Relacionados

Operation of the Collaborative Composite Manufacturing CCM System
10:09

Operation of the Collaborative Composite Manufacturing CCM System

Published on: October 1, 2019

6.7K
Silicon Microchips for Manipulating Cell-cell Interaction
23:21

Silicon Microchips for Manipulating Cell-cell Interaction

Published on: August 30, 2007

10.8K

Videos de Experimentos Relacionados

Last Updated: Nov 25, 2025

Mechanostimulation of Multicellular Organisms Through a High-Throughput Microfluidic Compression System
09:56

Mechanostimulation of Multicellular Organisms Through a High-Throughput Microfluidic Compression System

Published on: December 23, 2022

1.7K
Operation of the Collaborative Composite Manufacturing CCM System
10:09

Operation of the Collaborative Composite Manufacturing CCM System

Published on: October 1, 2019

6.7K
Silicon Microchips for Manipulating Cell-cell Interaction
23:21

Silicon Microchips for Manipulating Cell-cell Interaction

Published on: August 30, 2007

10.8K

Área de la Ciencia:

  • Ciencias de los materiales
  • Ciencias de la computación
  • Ingeniería

Sus antecedentes:

  • El desarrollo de chips semiconductores se basa en costosos procesos químicos de plasma.
  • El desarrollo manual por parte de los ingenieros requiere mucho tiempo y es costoso.
  • Los datos experimentales limitados dificultan el modelado predictivo preciso a escala atómica.

Objetivo del estudio:

  • Investigar la inteligencia artificial (IA) para reducir los costes de desarrollo de procesos de semiconductores.
  • Comparar ingenieros humanos con algoritmos de IA en un juego de diseño de procesos virtuales.
  • Explorar estrategias híbridas entre humanos y IA para la fabricación de chips rentables.

Principales métodos:

  • Utilizó algoritmos de optimización bayesianos.
  • Creado un juego de proceso virtual controlado para el benchmarking sistemático.
  • Métricas de rendimiento comparadas de diseñadores humanos y algoritmos de IA.

Principales resultados:

  • Los ingenieros humanos son efectivos en las etapas iniciales de desarrollo.
  • Los algoritmos de IA demuestran una eficiencia de costos superior cerca de las tolerancias objetivo.
  • Una estrategia híbrida humano-IA redujo el costo al objetivo en un 50% en comparación con el diseño solo humano.

Conclusiones:

  • La IA ofrece reducciones significativas de costos en el desarrollo de procesos de semiconductores.
  • La colaboración híbrida entre humanos y IA es una estrategia prometedora para la fabricación eficiente de chips.
  • Los desafíos de la integración cultural deben abordarse para una implementación exitosa de la IA en la industria.