محققان در مطالعه‌ای که در نشریه Nature منتشر شده است، روشی را برای کنترل نقاط شروع رشد کریستال‌های نیمه‌هادی دوبعدی (2D Semiconductor) معرفی کرده‌اند. این دستاورد می‌تواند یکی از بزرگ‌ترین موانع در مسیر تولید انبوه تراشه‌های نسل آینده را برطرف کند.
چالش رشد تصادفی کریستال‌ها
مواد دوبعدی، مانند گرافین، لایه‌هایی در حد اتمی هستند. با این حال، گرافین به دلیل نبود شکاف انرژی (Band Gap) ذاتی، برای استفاده در ترانزیستورهای سوئیچینگ معمولی مناسب نیست. در مقابل، تک‌لایه‌هایی از مواد TMDs (مانند دی‌سولفید مولیبدن یا MoS₂) دارای شکاف انرژی هستند و به عنوان جایگزینی برای ترانزیستورهای آینده و دستگاه‌های نانومقیاس مورد بررسی قرار می‌گیرند.
مشکل اصلی این است که هنگام رشد این کریستال‌ها روی یک ویفر (Wafer)، نقاط شروع رشد به صورت تصادفی رخ می‌دهند. این امر منجر به تشکیل چندین کریستال می‌شود که در هنگام برخورد با یکدیگر، مرزهایی ایجاد می‌کنند که باعث کاهش عملکرد الکتریکی و عدم یکنواختی دستگاه‌ها می‌شود.
راهکار EF-SCN و استفاده از اکسیژن
برای حل این مشکل، محققان فرآیندی به نام EF-SCN (هسته‌زایی تک‌مرکزی با واسطه شار اچینگ) را توسعه دادند. در این روش، اکسیژن آزاد شده از یک سد اکسیدی، یک شار اچینگ جانبی ایجاد می‌کند که از تشکیل کریستال‌های جدید در تمام نقاط منطقه رشد، به جز مرکز هندسی آن، جلوگیری می‌کند.
نتایج این تحقیق نشان می‌دهد که:
- ترانزیستورهای FET: محققان توانستند ترانزیستورهای اثر میدانی (Field-Effect Transistors) عملی بسازند که تحرک حامل‌های بار (Charge-carrier mobility) بالاتری نسبت به گزارش‌های قبلی دارند.
- بازدهی بالا: در آزمایش‌های انجام شده روی یک زیرلایه دو سانتی‌متری، این فرآیند در ۳۹۷ مورد از ۴۰۰ نقطه تعیین شده، کریستال‌های تک را تولید کرد که بازدهی خیره‌کننده ۹۹.۳ درصد را نشان می‌دهد.
چشم‌انداز آینده و تجاری‌سازی
استفاده از نیمه‌هادی‌های دوبعدی روی تراشه‌های سیلیکونی می‌تواند باعث نزدیکی بیشتر بخش‌های منطق (Logic) و حافظه (Memory) شود. این امر منجر به کاهش زمان و انرژی مورد نیاز برای انتقال داده‌ها بین این دو بخش می‌گردد.
همچنین این مواد برای توسعه CFETs (ترانزیستورهای اثر میدانی مکمل) که در آن‌ها ترانزیستورهای نوع n و p به جای قرارگیری در کنار هم، به صورت عمودی روی هم قرار می‌گیرند، مورد بررسی هستند؛ تکنیکی که پیش از این توسط شرکت‌های Intel و IBM به نمایش گذاشته شده است.
هدف نهایی این تیم تحقیقاتی، تجاری‌سازی این فناوری تا سال ۲۰۳۰ است. انتظار می‌رود تقاضای فزاینده برای هوش مصنوعی (AI)، رباتیک و AI فیزیکی، سرعت پذیرش این فناوری را در صنعت نیمه‌هادی افزایش دهد.
