整合数据挖掘和自然语言处理,构建有机金属化合物的点数据库
Jinyoung Jeong1, Taehyun Park1, JunHo Song1
1School of Mechanical Engineering, Soongsil University, 369 Sangdo-ro, Dongjak-gu, Seoul 06978, Republic of Korea.
创建了一个新数据库,包含1845个有机金属化合物 (OMC) 点,以帮助设计原子层沉积 (ALD) 前体. 这个资源简化了数据收集,加速了半导体行业的进步.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 计算化学计算化学
背景情况:
- 半导体设备的小型化增加了对先进的原子层沉积 (ALD) 技术的需求.
- 选择合适的ALD前体需要了解它们的点,点应低于工艺温度.
- 关于有机金属化合物 (OMC) 点的现有数据是分散的,阻碍了高效的前体设计.
研究的目的:
- 为有机金属化合物 (OMC) 的点构建一个全面和有组织的数据库.
- 为了促进对半导体制造业有前途的ALD前体的选和选择.
- 为了减少与手动数据收集和处理OMC属性的相关的时间和成本.
主要方法:
- 编制了1845个OMC的数据库,包括58种金属和6种金属合金的数据.
- 从 11 个化学品供应商数据库 (1,434 种材料) 通过自动提取提取点数据.
- 利用自然语言处理 (NLP) 在2,096篇科学论文中,以86.3%的准确度识别了另外411种材料的点.
主要成果:
- 该数据库包括多达250个原子的OMC,其点在-170至1610°C之间.
- 铁 (Fe) 是最常见的中心元素 (15.0%),其次是 (Si) (11.6%) 和 (B) (6.7%).
- 一个多式联络神经网络模型在预测OMC点方面表现适度,验证了数据库的实用性.
结论:
- 开发的数据库大大减少了对OMC属性的手动数据收集工作.
- 该资源为有效查ALD前体提供了关键信息.
- 这些发现支持通过改进的前体选择来推动半导体技术的进步.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
相关概念视频
Properties of Organometallic Compounds
Extraction: Advanced Methods
Complexometric Titration: Ligands
Bonding in Metals
Types of Chemical Bonds
Metal-Ligand Bonds
In these complexes, transition metals form coordinate covalent bonds, a kind of Lewis acid-base interaction in which both of the electrons in the bond are contributed by a donor (Lewis base) to an electron acceptor (Lewis acid). The Lewis acid in...
