浸大物理学者与海外学者合作研究借人工智能加速半导体创新发展

即时的资讯搜集、传送、分析，以及可持续能源与环境是建构未来智慧型社会的重要硬件。高性能半导体则是这些智慧功能的核心材料。众所周知，半导体材料可以用来制造各类电子和能源器件和系统，譬如随时随地变光为电的光伏电池，或节能环保的LED以显示逼真画质。

目前的半导体技术主要采用矽和III-V族材料。这些半导体的制成需要较高的成本，并且生产流程会对环境造成不可逆的负面影响，其中包括较高的碳排放和酸污染等。 试想，在电子和能源器件将无处不在的未来智慧型社会，半导体材料的体量需求日益增高；因此，寻找一种更新更优良的半导体是迫在眉睫。然而在人类历史上，新材料的探索往往长路漫漫，持之以恒的实验操作是一直以来的主旋律。面对未来，能否让机器来解放实验员的双手？

近日，香港浸会大学物理系助理教授周圆圆博士，与美国田纳西大学Mahshid Ahmadi博士和美国橡树岭国家实验室的Sergei V. Kalinin 研究员合作，以Machine Learning for High-Throughput Experimental Exploration of Metal Halide Perovskite为题撰文，探索如何实现半导体自动合成化，并以自动表徵与机器学习的有效交互这独特观点，引用出当前炙手可热的钙钛矿半导体体系为例，提出了一系列新颖的高通量材料实验探索方法，对各类能源材料和器件的开发具有普遍的指导意义。

研究团队同时指出，加速未来半导体材料实验合成自动化的目的并不是要完全取代人手，而是借力机器学习演算法和人工智慧软硬体的发展，以减轻实验员重复性的实验操作，在更高层的科技决策上发挥重要作用。

该报告发表在能源研究类的国际顶级期刊 -《焦耳》（影响因数：41.248）。

周博士主理的浸大物理系的先进半导体研究室 (ΣLab: www.alvinyzhou.com) 致力发展半导体创新技术，从基础材料学及跨学科的多维视角开展崭新的研究。