اے آئی اور فزکس کا فیوژن: نوبل انعام کے پیچھے سی وی ڈی تکنیکی جدت

طبیعیات کے 2024 کے نوبل انعام کے حالیہ اعلان نے مصنوعی ذہانت کے شعبے پر بے مثال توجہ دلائی ہے۔ امریکی سائنسدان جان جے ہاپ فیلڈ اور کینیڈین سائنسدان جیفری ای ہنٹن کی طرف سے کی گئی تحقیق نے آج کی طبیعیات کی پیچیدہ دنیا میں نئی ​​بصیرت فراہم کرنے کے لیے مشین لرننگ ٹولز کا استعمال کیا ہے۔ یہ کامیابی نہ صرف AI ٹیکنالوجی میں ایک اہم سنگ میل کی نشاندہی کرتی ہے بلکہ طبیعیات اور مصنوعی ذہانت کے درمیان گہرے انضمام کی بھی نشاندہی کرتی ہے۔

طبیعیات میں کیمیائی بخارات جمع (CVD) کی کیا اہمیت ہے اور اسے کن چیلنجوں کا سامنا ہے؟

کیمیائی بخارات جمع کرنے (CVD) ٹیکنالوجیطبیعیات میں کثیر جہتی اہمیت رکھتا ہے، جو کہ مادی تیاری کی ایک اہم تکنیک کے طور پر کام کرتا ہے جبکہ فزیکل سائنسز میں تحقیق اور ایپلی کیشنز کو آگے بڑھانے میں اہم کردار ادا کرتا ہے۔ CVD جوہری اور سالماتی سطحوں پر مادی نمو پر قطعی کنٹرول کو قابل بناتا ہے۔ جیسا کہ شکل 1 میں واضح کیا گیا ہے، اس تکنیک میں ٹھوس سطحوں پر کیمیائی رد عمل سے گزرنے والے گیسی یا بخارات والے مادے شامل ہوتے ہیں جو ٹھوس ذخائر بناتے ہیں، اس طرح مختلف قسم کی اعلیٰ کارکردگی والی فلمیں اور نانو ساختی مواد تیار ہوتے ہیں۔ یہ صلاحیت مادّے کے مائیکرو سٹرکچرز اور ان کی میکروسکوپک خصوصیات کے درمیان تعلق کو سمجھنے اور دریافت کرنے کے لیے فزکس میں بہت ضروری ہے، کیونکہ یہ سائنسدانوں کو مخصوص ڈھانچے اور کمپوزیشن والے مواد کا مطالعہ کرنے کی اجازت دیتی ہے، اس طرح ان کی جسمانی خصوصیات میں گہرائی سے بصیرت حاصل ہوتی ہے۔

مزید برآں،سی وی ڈی ٹیکنالوجیسیمی کنڈکٹر آلات میں مختلف فنکشنل فلمیں تیار کرنے کا ایک اہم طریقہ ہے۔ مثال کے طور پر، اسے بڑھنے کے لیے استعمال کیا جا سکتا ہے۔سلکان سنگل کرسٹل ایپیٹیکسیل پرتیں۔، III-V سیمی کنڈکٹرز جیسے گیلیم آرسنائیڈ، اور II-VI سیمی کنڈکٹر سنگل کرسٹل ایپی لیئرز کے ساتھ ساتھ مختلف ڈوپڈ سیمی کنڈکٹر سنگل کرسٹل ایپیٹیکسیل فلمیں اور پولی سیلیکون فلمیں جمع کرتے ہیں۔ یہ مواد اور ڈھانچے جدید الیکٹرانک اور آپٹو الیکٹرانک آلات کی بنیاد بناتے ہیں۔ مزید برآں، CVD ٹیکنالوجی تحقیقی شعبوں جیسے نظری مواد، سپر کنڈکٹنگ مواد، اور مقناطیسی مواد میں اہم کردار ادا کرتی ہے۔ CVD کا استعمال کرتے ہوئے، مخصوص آپٹیکل خصوصیات کے ساتھ پتلی فلموں کو آپٹیکل الیکٹرانک آلات اور آپٹیکل سینسر میں ایپلی کیشنز کے لیے ترکیب کیا جا سکتا ہے۔

اپنے فوائد کے باوجود، CVD ٹیکنالوجی کو عملی ایپلی کیشنز میں کئی چیلنجوں کا سامنا ہے، جیسے:

اعلی درجہ حرارت اور ہائی پریشر کے حالات: CVD کو اکثر زیادہ درجہ حرارت یا دباؤ کی ضرورت ہوتی ہے، استعمال کیے جانے والے مواد کی اقسام کو محدود کرتے ہوئے اور توانائی کی کھپت اور اخراجات میں اضافہ ہوتا ہے۔

پیرامیٹرز کی حساسیت: CVD عمل رد عمل کے حالات کے لیے انتہائی حساس ہے، حتیٰ کہ معمولی تغیرات بھی حتمی مصنوعات کے معیار کو ممکنہ طور پر متاثر کر سکتے ہیں۔

CVD سسٹمز کی پیچیدگی: یہ عمل حدود کے حالات کے لیے حساس ہے، اہم غیر یقینی صورتحال کو ظاہر کرتا ہے، اور تولیدی طور پر کنٹرول کرنا مشکل ہوسکتا ہے، ممکنہ طور پر مادی ترقی کو پیچیدہ بناتا ہے۔

کیسے کرتا ہے۔کیمیائی بخارات جمع کرنے (سی وی ڈی) ٹیکنالوجیمشین لرننگ سے فائدہ؟

ان چیلنجوں کا سامنا کرتے ہوئے، مشین لرننگ، ایک طاقتور ڈیٹا تجزیہ ٹول کے طور پر، نے CVD فیلڈ میں ان میں سے کچھ مسائل کو حل کرنے کی صلاحیت ظاہر کی ہے۔ CVD ٹیکنالوجی میں مشین لرننگ ایپلی کیشنز کے معاملات یہ ہیں:

(1) CVD کی ترقی کی پیشن گوئی: مشین لرننگ الگورتھم وسیع تجرباتی ڈیٹا سے سیکھ سکتے ہیں تاکہ مختلف حالات میں CVD کی ترقی کے نتائج کی پیشن گوئی کی جا سکے، اس طرح تجرباتی پیرامیٹرز کی ایڈجسٹمنٹ کی رہنمائی ہوتی ہے۔ جیسا کہ شکل 1 میں دکھایا گیا ہے، سنگاپور کی نانیانگ ٹیکنولوجیکل یونیورسٹی میں ایک تحقیقی ٹیم نے مشین لرننگ میں درجہ بندی الگورتھم کا استعمال کیا تاکہ دو جہتی مواد کی CVD ترکیب کی رہنمائی کی جا سکے۔ ابتدائی تجرباتی اعداد و شمار کا تجزیہ کرکے، انہوں نے کامیابی کے ساتھ molybdenum disulfide (MoS2) کی ترقی کے حالات کی پیش گوئی کی، تجربات کی کامیابی کی شرح کو نمایاں طور پر بہتر بنایا اور آزمائشوں کی تعداد کو کم کیا۔

شکل 1: مشین لرننگ گائیڈڈ میٹریل سنتھیسز۔ (a) مادی ترقی کا ایک ناگزیر حصہ: مادی ترکیب۔ (b) درجہ بندی کے ماڈل دو جہتی مواد (سب سے اوپر) کی کیمیائی بخارات جمع کرنے (CVD) کی ترکیب کو آسان بناتے ہیں۔ ریگریشن ماڈل سلفر اور نائٹروجن ڈوپڈ فلوروسینٹ کوانٹم ڈاٹس (نیچے) کے ہائیڈرو تھرمل ترکیب کی رہنمائی کرتے ہیں۔

ایک اور مطالعہ میں، جیسا کہ شکل 2 میں دکھایا گیا ہے، مشین لرننگ کو CVD سسٹمز کے اندر گرافین کی نمو کے نمونوں کا تجزیہ کرنے کے لیے استعمال کیا گیا تھا۔ ریجن پروپوزل کنولوشنل نیورل نیٹ ورکس (R-CNN) تیار کرکے، محققین گرافین کے سائز، کوریج، ڈومین کی کثافت، اور پہلو تناسب کو خود بخود ماپنے اور تجزیہ کرنے کے قابل تھے۔ اس کے بعد، مصنوعی اعصابی نیٹ ورکس (ANN) اور سپورٹ ویکٹر مشینوں (SVM) کو سروگیٹ ماڈل تیار کرنے کے لیے استعمال کیا گیا تاکہ باہمی تعلق کا اندازہ لگایا جا سکے۔CVD عملمتغیر اور ماپا وضاحتیں. یہ طریقہ گرافین کی ترکیب کی نقل کو قابل بناتا ہے اور بڑے اناج کے سائز اور کم ڈومین کثافت کے ساتھ گرافین پیدا کرنے کے لیے ضروری تجرباتی حالات کا تعین کرتا ہے، اس طرح اہم وقت اور اخراجات کی بچت ہوتی ہے۔

شکل 2: مشین لرننگ CVD سسٹمز میں گرافین گروتھ پیٹرن کی پیشن گوئی

(2) خودکار CVD عمل: مشین لرننگ کا استعمال ایسے خودکار نظاموں کو تیار کرنے کے لیے کیا جا سکتا ہے جو CVD کے عمل کے دوران ریئل ٹائم میں پیرامیٹرز کو مانیٹر اور ایڈجسٹ کرتے ہیں، زیادہ درست کنٹرول اور اعلیٰ پیداواری کارکردگی کو حاصل کرتے ہیں۔ جیسا کہ شکل 3 میں دکھایا گیا ہے، Xidian یونیورسٹی کی ایک تحقیقی ٹیم نے CVD کے تیار کردہ دو جہتی مواد کے گردشی زاویے کو پہچاننے کے چیلنج پر قابو پانے کے لیے گہری تعلیم کا استعمال کیا۔ CVD سے تیار کردہ MoS2 کی کلر اسپیس کو اکٹھا کرکے اور semantic segmentation convolutional neural networks (CNN) کو لاگو کرکے، وہ MoS2 کی موٹائی کو درست اور تیزی سے شناخت کرنے میں کامیاب ہوئے۔ اس کے بعد انہوں نے ایک دوسرے CNN ماڈل کو تربیت دی تاکہ CVD کے ذریعے اگائے جانے والے bilayer TMD مواد کے گردشی زاویے کی درست اندازہ لگایا جا سکے۔ اس طریقہ کار نے نہ صرف نمونے کی شناخت کی کارکردگی کو بہتر بنایا بلکہ میٹریل سائنس کے میدان میں گہری تعلیم کے اطلاق کے لیے ایک نیا نمونہ بھی فراہم کیا۔

شکل 3: بیلیئر دو جہتی مواد کے گردشی زاویے کی شناخت کے لیے گہری سیکھنے کا نقطہ نظر

آؤٹ لک

نوبل انعام کا اعلان ایک بار پھر ہمیں یاد دلاتا ہے کہ مصنوعی ذہانت اور فزکس کے انضمام سے مزید اختراعات اور کامیابیاں حاصل ہوں گی۔ چونکہ مشین لرننگ ٹیکنالوجی آگے بڑھ رہی ہے، ہمارے پاس اس پر یقین کرنے کی وجہ ہے۔کیمیائی بخارات جمع کرنے کی ٹیکنالوجیمستقبل میں ترقی کے نئے مواقع ملیں گے۔ یہ سب ایک نئے دور کی صبح کی نوید سناتے ہیں، جہاں ٹیکنالوجی اور سائنس کا ملاپ تلاش کے لیے وسیع تر راستے کھولے گا۔

سیمیکوریکس پیشکش کرتا ہے۔SiC/TaC کوٹنگ گریفائٹاورسیرامک ​​مواد کیمیائی بخارات جمع (CVD) کے عمل کے ذریعے. اگر آپ کی کوئی پوچھ گچھ ہے یا اضافی تفصیلات کی ضرورت ہے، تو براہ کرم ہم سے رابطہ کرنے میں سنکوچ نہ کریں۔

فون نمبر +86-13567891907 سے رابطہ کریں۔

ای میل: sales@semicorex.com