相关实验视频
Updated: Jul 24, 2026

06:43
Writing and Low-Temperature Characterization of Oxide Nanostructures
Published on: July 18, 2014
10.0K
Si堆叠纳米板晶体管的热,机械和电性能,使用机器学习的原子间潜力
Mohamed Ahmed Saleh1, Hamdy M Abdelhamid2, Amr M Bayoumi3
1Nanotechnology and Nanoelectronics Program, Zewail City of Science and Technology, 6th October City Giza, Egypt, Giza, 12578, EGYPT.
Nanotechnology
|October 4, 2024
概括
机器学习潜力预测了纳米板的热导率和刚度降低. 这些发现对于优化纳米电子设备,如纳米板场效应晶体管至关重要.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算物理 计算物理
背景情况:
- 优化纳米电子设备性能在很大程度上依赖于了解热和机械性能.
- 纳米板是先进纳米电子架构中的关键组件.
研究的目的:
- 为了确定不同厚度的纳米板的晶格导热率和弹性常数.
- 评估这些特性对纳米板场效应晶体管 (NS-FET) 性能的技术影响.
主要方法:
- 利用机器学习的原子间潜力 (MLIPs),特别是时刻张量潜力 (MTP) 方法.
- 训练有素的MLIP使用密度函数理论 (DFT) 计算和潜在能量表面 (PES) 的随机抽样.
- 采用TCAD设备模拟来评估对NS-FET的影响.
主要成果:
- 格子的导热率下降到大约7%的散装价值对于薄于6nm.
- 某些刚性张力元件在6nm以下厚度下降到大约3%的散装值.
- 随着纳米板厚度的下降,观察到热和机械性能显著减少.
结论:
- 该研究提供了关于超薄纳米板的热传输和机械行为的关键见解.
- 这些发现对于下一代纳米电子设备的设计和优化至关重要.
- 提取的参数为在未来的节点推进NS-FET技术提供了有价值的数据.
更多相关视频
08:12Ohmic Contact Fabrication Using a Focused-ion Beam Technique and Electrical Characterization for Layer Semiconductor Nanostructures
Published on: December 5, 2015
12.3K
11:25Preparation of Silicon Nanowire Field-effect Transistor for Chemical and Biosensing Applications
Published on: April 21, 2016
11.1K