浸大物理學者與海外學者合作研究借人工智能加速半導體創新發展

即時的資訊搜集、傳送、分析，以及可持續能源與環境是建構未來智慧型社會的重要硬件。高性能半導體則是這些智慧功能的核心材料。眾所周知，半導體材料可以用來製造各類電子和能源器件和系統，譬如隨時隨地變光為電的光伏電池，或節能環保的LED以顯示逼真畫質。

目前的半導體技術主要採用矽和III-V族材料。這些半導體的製成需要較高的成本，並且生產流程會對環境造成不可逆的負面影響，其中包括較高的碳排放和酸污染等。 試想，在電子和能源器件將無處不在的未來智慧型社會，半導體材料的體量需求日益增高；因此，尋找一種更新更優良的半導體是迫在眉睫。然而在人類歷史上，新材料的探索往往長路漫漫，持之以恆的實驗操作是一直以來的主旋律。面對未來，能否讓機器來解放實驗員的雙手？

近日，香港浸會大學物理系助理教授周圓圓博士，與美國田納西大學Mahshid Ahmadi博士和美國橡樹嶺國家實驗室的Sergei V. Kalinin 研究員合作，以Machine Learning for High-Throughput Experimental Exploration of Metal Halide Perovskite為題撰文，探索如何實現半導體自動合成化，並以自動表徵與機器學習的有效交互這獨特觀點，引用出當前炙手可熱的鈣鈦礦半導體體系為例，提出了一系列新穎的高通量材料實驗探索方法，對各類能源材料和器件的開發具有普遍的指導意義。

研究團隊同時指出，加速未來半導體材料實驗合成自動化的目的並不是要完全取代人手，而是借力機器學習演算法和人工智慧軟硬體的發展，以減輕實驗員重複性的實驗操作，在更高層的科技決策上發揮重要作用。

該報告發表在能源研究類的國際頂級期刊 -《焦耳》（影響因數：41.248）。

周博士主理的浸大物理系的先進半導體研究室 (ΣLab: www.alvinyzhou.com) 致力發展半導體創新技術，從基礎材料學及跨學科的多維視角開展嶄新的研究。