এআই এবং পদার্থবিজ্ঞানের ফিউশন: নোবেল পুরস্কারের পিছনে সিভিডি প্রযুক্তিগত উদ্ভাবন

পদার্থবিজ্ঞানে 2024 সালের নোবেল পুরস্কারের সাম্প্রতিক ঘোষণা কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে অভূতপূর্ব মনোযোগ এনেছে। আমেরিকান বিজ্ঞানী জন জে. হপফিল্ড এবং কানাডিয়ান বিজ্ঞানী জিওফ্রে ই. হিন্টন দ্বারা পরিচালিত গবেষণাটি আজকের পদার্থবিজ্ঞানের জটিল জগতে নতুন অন্তর্দৃষ্টি প্রদানের জন্য মেশিন লার্নিং টুল ব্যবহার করেছে৷ এই অর্জন শুধুমাত্র AI প্রযুক্তিতে একটি গুরুত্বপূর্ণ মাইলফলকই চিহ্নিত করে না বরং পদার্থবিদ্যা এবং কৃত্রিম বুদ্ধিমত্তার মধ্যে গভীর একীকরণের সূত্রপাত করে।

পদার্থবিজ্ঞানে রাসায়নিক বাষ্প জমার (সিভিডি) তাৎপর্য কী এবং এটি কোন চ্যালেঞ্জের মুখোমুখি হয়?

রাসায়নিক বাষ্প জমা (সিভিডি) প্রযুক্তিপদার্থবিজ্ঞানে বহুমুখী তাৎপর্য ধারণ করে, ভৌত বিজ্ঞানে গবেষণা এবং প্রয়োগের অগ্রগতিতে অপরিহার্য ভূমিকা পালন করার সময় একটি গুরুত্বপূর্ণ উপাদান প্রস্তুতির কৌশল হিসাবে পরিবেশন করে। CVD পারমাণবিক এবং আণবিক স্তরে উপাদান বৃদ্ধির উপর সুনির্দিষ্ট নিয়ন্ত্রণ সক্ষম করে। চিত্র 1-এ যেমন দেখানো হয়েছে, এই কৌশলটিতে বায়বীয় বা বাষ্প-পর্যায়ের পদার্থ জড়িত থাকে যা কঠিন পৃষ্ঠে রাসায়নিক বিক্রিয়া করে কঠিন জমা তৈরি করে, যার ফলে বিভিন্ন উচ্চ-কার্যকারিতা ফিল্ম এবং ন্যানোস্ট্রাকচার্ড উপকরণ তৈরি হয়। পদার্থের মাইক্রোস্ট্রাকচার এবং তাদের ম্যাক্রোস্কোপিক বৈশিষ্ট্যগুলির মধ্যে সম্পর্ক বোঝার এবং অন্বেষণ করার জন্য এই ক্ষমতা পদার্থবিজ্ঞানে অত্যাবশ্যক, কারণ এটি বিজ্ঞানীদের নির্দিষ্ট কাঠামো এবং রচনাগুলির সাথে উপাদানগুলি অধ্যয়ন করতে দেয়, যার ফলে তাদের ভৌত বৈশিষ্ট্যগুলির মধ্যে গভীর অন্তর্দৃষ্টি অর্জন করে।

উপরন্তু,সিভিডি প্রযুক্তিসেমিকন্ডাক্টর ডিভাইসে বিভিন্ন কার্যকরী ফিল্ম তৈরির জন্য একটি মূল পদ্ধতি। উদাহরণস্বরূপ, এটি বৃদ্ধি করতে ব্যবহার করা যেতে পারেসিলিকন একক-ক্রিস্টাল এপিটাক্সিয়াল স্তর, III-V সেমিকন্ডাক্টর যেমন গ্যালিয়াম আর্সেনাইড, এবং II-VI সেমিকন্ডাক্টর একক-ক্রিস্টাল এপি-লেয়ার, সেইসাথে বিভিন্ন ডোপড সেমিকন্ডাক্টর একক-ক্রিস্টাল এপিটাক্সিয়াল ফিল্ম এবং পলিসিলিকন ফিল্ম জমা করে। এই উপকরণ এবং কাঠামো আধুনিক ইলেকট্রনিক এবং অপটোইলেক্ট্রনিক ডিভাইসের ভিত্তি তৈরি করে। অতিরিক্তভাবে, সিভিডি প্রযুক্তি গবেষণার ক্ষেত্রে একটি উল্লেখযোগ্য ভূমিকা পালন করে যেমন অপটিক্যাল উপকরণ, সুপারকন্ডাক্টিং উপকরণ এবং চৌম্বকীয় উপকরণ। সিভিডি ব্যবহার করে, নির্দিষ্ট অপটিক্যাল বৈশিষ্ট্য সহ পাতলা ফিল্মগুলি অপটোইলেক্ট্রনিক ডিভাইস এবং অপটিক্যাল সেন্সরগুলিতে অ্যাপ্লিকেশনের জন্য সংশ্লেষিত করা যেতে পারে।

এর সুবিধা থাকা সত্ত্বেও, সিভিডি প্রযুক্তি ব্যবহারিক অ্যাপ্লিকেশনগুলিতে বেশ কয়েকটি চ্যালেঞ্জের সম্মুখীন হয়, যেমন:

উচ্চ-তাপমাত্রা এবং উচ্চ-চাপের অবস্থা: CVD-এর জন্য প্রায়শই উচ্চ তাপমাত্রা বা চাপের প্রয়োজন হয়, যা ব্যবহার করা যেতে পারে এমন উপকরণের ধরন সীমিত করে এবং শক্তি খরচ ও খরচ বাড়ায়।

পরামিতিগুলির প্রতি সংবেদনশীলতা: CVD প্রক্রিয়া প্রতিক্রিয়া অবস্থার জন্য অত্যন্ত সংবেদনশীল, এমনকি সামান্য তারতম্যও চূড়ান্ত পণ্যের গুণমানকে সম্ভাব্যভাবে প্রভাবিত করে।

সিভিডি সিস্টেমের জটিলতা: প্রক্রিয়াটি সীমানা পরিস্থিতির প্রতি সংবেদনশীল, উল্লেখযোগ্য অনিশ্চয়তা প্রদর্শন করে এবং প্রজনন নিয়ন্ত্রণ করা কঠিন হতে পারে, সম্ভাব্য উপাদান বিকাশকে জটিল করে তুলতে পারে।

কিভাবে করেরাসায়নিক বাষ্প জমা (সিভিডি) প্রযুক্তিমেশিন লার্নিং থেকে উপকৃত?

এই চ্যালেঞ্জগুলির মুখোমুখি হয়ে, মেশিন লার্নিং, একটি শক্তিশালী ডেটা বিশ্লেষণ সরঞ্জাম হিসাবে, CVD ক্ষেত্রের মধ্যে এই সমস্যাগুলির কিছু সমাধান করার সম্ভাবনা দেখিয়েছে। এখানে CVD প্রযুক্তিতে মেশিন লার্নিং অ্যাপ্লিকেশনের ক্ষেত্রে রয়েছে:

(1) সিভিডি বৃদ্ধির ভবিষ্যদ্বাণী করা: মেশিন লার্নিং অ্যালগরিদমগুলি বিভিন্ন পরিস্থিতিতে সিভিডি বৃদ্ধির ফলাফলের পূর্বাভাস দিতে ব্যাপক পরীক্ষামূলক ডেটা থেকে শিখতে পারে, যার ফলে পরীক্ষামূলক পরামিতিগুলির সামঞ্জস্যের পথ দেখায়। চিত্র 1-এ যেমন দেখানো হয়েছে, সিঙ্গাপুরের নানয়াং টেকনোলজিক্যাল ইউনিভার্সিটির একটি গবেষণা দল দ্বি-মাত্রিক উপকরণের সিভিডি সংশ্লেষণকে গাইড করার জন্য মেশিন লার্নিং-এ শ্রেণিবিন্যাস অ্যালগরিদম ব্যবহার করেছে। প্রাথমিক পরীক্ষামূলক তথ্য বিশ্লেষণ করে, তারা সফলভাবে মলিবডেনাম ডিসালফাইড (MoS2) এর বৃদ্ধির অবস্থার ভবিষ্যদ্বাণী করেছে, পরীক্ষা-নিরীক্ষার সাফল্যের হারকে উল্লেখযোগ্যভাবে উন্নত করেছে এবং পরীক্ষার সংখ্যা হ্রাস করেছে।

চিত্র 1: মেশিন লার্নিং-গাইডেড ম্যাটেরিয়াল সিন্থেসিস। (a) উপাদান বিকাশের একটি অপরিহার্য অংশ: উপাদান সংশ্লেষণ। (b) শ্রেণিবিন্যাস মডেলগুলি দ্বি-মাত্রিক পদার্থের (শীর্ষ) রাসায়নিক বাষ্প জমা (CVD) সংশ্লেষণকে সহজতর করে; রিগ্রেশন মডেলগুলি সালফার এবং নাইট্রোজেন-ডোপড ফ্লুরোসেন্ট কোয়ান্টাম বিন্দু (নীচে) এর হাইড্রোথার্মাল সংশ্লেষণকে নির্দেশ করে।

অন্য একটি গবেষণায়, যেমন চিত্র 2-এ দেখানো হয়েছে, মেশিন লার্নিং সিভিডি সিস্টেমের মধ্যে গ্রাফিন বৃদ্ধির ধরণ বিশ্লেষণ করার জন্য নিযুক্ত করা হয়েছিল। অঞ্চল প্রস্তাব কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (R-CNN) বিকাশ করে, গবেষকরা স্বয়ংক্রিয়ভাবে গ্রাফিনের আকার, কভারেজ, ডোমেন ঘনত্ব এবং আকৃতির অনুপাত পরিমাপ এবং বিশ্লেষণ করতে সক্ষম হন। পরবর্তীকালে, কৃত্রিম নিউরাল নেটওয়ার্ক (ANN) এবং সমর্থন ভেক্টর মেশিন (SVM) এর মধ্যে পারস্পরিক সম্পর্ক নির্ণয় করার জন্য সারোগেট মডেল তৈরি করতে ব্যবহার করা হয়েছিলসিভিডি প্রক্রিয়াভেরিয়েবল এবং পরিমাপ স্পেসিফিকেশন। এই পদ্ধতিটি গ্রাফিন সংশ্লেষণের সিমুলেশন সক্ষম করে এবং বড় শস্যের আকার এবং কম ডোমেন ঘনত্ব সহ গ্রাফিন উৎপাদনের জন্য প্রয়োজনীয় পরীক্ষামূলক শর্তগুলি নির্ধারণ করে, যার ফলে উল্লেখযোগ্য সময় এবং খরচ সাশ্রয় হয়।

চিত্র 2: CVD সিস্টেমে গ্রাফিন বৃদ্ধির ধরণগুলির মেশিন লার্নিং পূর্বাভাস

(2) স্বয়ংক্রিয় সিভিডি প্রক্রিয়া: মেশিন লার্নিং স্বয়ংক্রিয় সিস্টেমগুলি বিকাশ করতে ব্যবহার করা যেতে পারে যা সিভিডি প্রক্রিয়া চলাকালীন রিয়েল-টাইমে পরামিতিগুলি নিরীক্ষণ এবং সামঞ্জস্য করে, আরও সুনির্দিষ্ট নিয়ন্ত্রণ এবং উচ্চ উত্পাদন দক্ষতা অর্জন করে। চিত্র 3-তে দেখানো হয়েছে, সিভিডি দ্বারা প্রস্তুত দ্বি-মাত্রিক উপকরণগুলির ঘূর্ণন কোণকে স্বীকৃতি দেওয়ার চ্যালেঞ্জকে অতিক্রম করতে Xidian বিশ্ববিদ্যালয়ের একটি গবেষণা দল গভীর শিক্ষাকে ব্যবহার করেছে। CVD-প্রস্তুত MoS2 এর রঙের স্থান সংগ্রহ করে এবং শব্দার্থিক সেগমেন্টেশন কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (CNN) প্রয়োগ করে, তারা MoS2 এর পুরুত্ব সঠিকভাবে এবং দ্রুত সনাক্ত করতে সক্ষম হয়েছিল। তারপরে তারা সিভিডি দ্বারা উত্থিত বিলেয়ার টিএমডি উপকরণগুলির ঘূর্ণন কোণ সম্পর্কে সঠিকভাবে পূর্বাভাস দেওয়ার জন্য একটি দ্বিতীয় সিএনএন মডেলকে প্রশিক্ষণ দেয়। এই পদ্ধতিটি শুধুমাত্র নমুনা শনাক্তকরণ দক্ষতা উন্নত করেনি বরং পদার্থ বিজ্ঞানের ক্ষেত্রে গভীর শিক্ষার প্রয়োগের জন্য একটি নতুন দৃষ্টান্তও প্রদান করেছে।

চিত্র 3: বিলেয়ার দ্বি-মাত্রিক পদার্থের ঘূর্ণন কোণ সনাক্ত করার জন্য গভীর শিক্ষার পদ্ধতি

আউটলুক

নোবেল পুরস্কারের ঘোষণা আবারও আমাদের মনে করিয়ে দেয় যে কৃত্রিম বুদ্ধিমত্তা এবং পদার্থবিজ্ঞানের একীকরণ আরও উদ্ভাবন এবং যুগান্তকারীতা নিয়ে আসবে। যেহেতু মেশিন লার্নিং প্রযুক্তি অগ্রসর হচ্ছে, আমাদের এটা বিশ্বাস করার কারণ আছেরাসায়নিক বাষ্প জমা প্রযুক্তিভবিষ্যতে নতুন উন্নয়ন সুযোগ সম্মুখীন হবে. এই সবই একটি নতুন যুগের সূচনা করে, যেখানে প্রযুক্তি এবং বিজ্ঞানের মিলন অন্বেষণের জন্য বৃহত্তর পথ খুলে দেবে।

সেমিকোরেক্স অফারSiC/TaC আবরণ গ্রাফাইটএবংসিরামিক উপকরণ রাসায়নিক বাষ্প জমা (সিভিডি) প্রক্রিয়ার মাধ্যমে. আপনার যদি কোন জিজ্ঞাসা থাকে বা অতিরিক্ত বিবরণ প্রয়োজন, আমাদের সাথে যোগাযোগ করতে দ্বিধা করবেন না দয়া করে.

যোগাযোগের ফোন # +86-13567891907

ইমেইল: sales@semicorex.com