近日，新浦金350vip董林鹏副教授/刘卫国教授带领的宽禁带半导体光电器件科研团队在国际顶级学术期刊《Advanced Materials》（IF=29.4）上发表了“Machine Learning to Promote Efficient Screening of Low-Contact Electrode for Two-Dimensional Semiconductor Transistor Under Limited Data”学术论文，新浦金350vip董林鹏副教授、王伟教授、刘卫国教授为论文的共同通讯作者，新浦金350vip2022级硕士研究生李鹏辉同学为论文的第一作者。

该研究针对后摩尔时代新型短沟道金属-氧化物-半导体场效应晶体管（MOSFET）非理想电极接触对晶体管性能的退化，提出采用新型二维电极材料来实现低接触电阻和高导通特性。区别于传统低效率且高盲目的反复试验方法，该研究在小数据集的背景下通过构建ARANet和DARANet人工智能算法，建立了从晶体管沟道和源极电极材料级参数映射到器件隧穿电阻、纵向/横向肖特基势垒电阻等器件级关键参数间的物理可解释模型，成功开发了具有高准确率和高效率的低接触电极筛选流程。该研究进一步通过高通量及量子物理到半经典物理的跨尺度计算，从材料级到器件级对模型进行了严格的数值计算和验证。

该研究有望应用于多维度光电探测成像芯片、多模态信息存储器件、后摩尔时代高性能低功耗半导体器件等应用，加速相关半导体器件和芯片的开发和迭代速度。团队前期工作已相继发表在Carbon，ACS Applied Materials & Interfaces，Nanoscale等国际知名期刊，该工作也是团队在这一领域的又一突破性成果。

论文链接：https://doi.org/10.1002/adma.202312887

文、图：董林鹏、王宵   审核：周顺、潘永强