Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

利用鐵電性及光控制電流的新穎電晶體問世

NanoScience
・2012/09/30 ・864字 ・閱讀時間約 1 分鐘 ・SR值 549 ・八年級

-----廣告,請繼續往下閱讀-----

台灣與美國的科學家利用氧化鋅奈米線(ZnO nanowire)與鋯鈦酸鉛(PbZr0.3 Ti0.7)O3, PZT)製作出新型的光致熱(optothermal)效應電晶體。裝置中氧化鋅奈米線內部的汲極電流可藉由紅外光雷射的照射而予以調變,此光熱特性尤其適合遠端或無線應用領域。

近年來,具有方向性電偶極的鐵電(ferroelectric)材料如PZT,結合外加柵極電壓的控制,已經被應用在非揮發性(non-volatile)場效電晶體的記憶功能上。由於PZT也是一種焦電物質(pyroelectric),意味著其內部電極化方向除了外加電場之外,也能藉由溫度變化而改變。

受到此特性的啟發,台灣大學物理系陳永芳教授的研究團隊與卓克索(Drexel)大學的合作者製作出由單一ZnO奈米線與PZT構成的光致熱效應電晶體。他們發現藉助紅外光雷射的照射,光致熱效應可以調變奈米線內部的汲極電流。在汲極電場為83 kV/m時,電偶極朝下的光致熱電晶體上獲得最大電流靈敏度為25 nA/mW,此數值超越由二氧化矽和矽基板構成的光控奈米碳管電晶體達三個數量級(後者在汲極電場為50 kV/m時,電流靈敏度為20 nA/W)。

光致熱效應電晶體運作原理如下:當研究人員以波長1064 nm的紅外雷射照射PZT上的ZnO奈米線時,汲極電流的大小會受到底部PZT基板內電偶極方向及紅外光的影響。例如,當n型ZnO奈米線建置在電偶極朝上的PZT表面時,PZT內層表面的束縛正電荷會吸引更多的電子在ZnO奈米線內。一旦紅外雷射光照射到PZT,溫度上升會擾亂電偶極的排列,使表面的束縛正電荷減少,導致奈米線內的傳輸電子變少,電流因而下降。相反地,當雷射光照射到電偶極朝下的PZT時,電偶極排列的混亂會使表面束縛電子減少,導致奈米線內傳導電子增多,電流因而增加。

-----廣告,請繼續往下閱讀-----

ZnO奈米線在紫外波段的雷射光照射下會產生電子電洞對,這些額外激發的電荷載子成為光電流的來源。因此,結合紫外光照射ZnO奈米線產生光電流的特性,以及利用紅外線加熱PZT調控電流的原理,可望大幅擴展此奈米光電元件的應用潛力與領域。詳見Nanotechnology 23, p.355201 (2012)。

資料來源:Ferroelectricity and light control current in new transistors. NanoTech.org [Aug 31, 2012]

譯者:謝俊儀(台灣大學物理系)
責任編輯:蔡雅芝

轉載自奈米科學網

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
NanoScience
68 篇文章 ・ 4 位粉絲
主要任務是將歐美日等國的尖端奈米科學研究成果以中文轉譯即時傳遞給國人,以協助國內研發界掌握最新的奈米科技脈動,同時也有系統地收錄奈米科技相關活動、參考文獻及研究單位、相關網站的連結,提供產學界一個方便的知識交流窗口。網站主持人為蔡雅芝教授。

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
解密離岸風電政策環評:從審查標準到執行成效,一次看懂
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/21 ・3546字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 環境部 委託,泛科學企劃執行。 

政策環評是什麼,跟一般環評差在哪?

隨著公共建設的規模越來越大,傳統的環境影響評估(EIA),難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時,只看「單一開發案」已經不夠,就像評估一棵樹,卻忽略了整片森林。因此,政策環境影響評估(SEA)應運而生,它看樹,也看森林,從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同,政策環評更像是一場全面性的檢視,強調兩個核心重點:「整合評估」與「儘早評估」。簡單來說,這不再是逐案評估的模式,而是要求政府在制定政策時,就先全面分析可能帶來的影響,從單一行為的侷限中跳脫,轉而聚焦在整體影響的視角。無論是環境的整體變化,還是多項行為累計起來的長期影響,政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外,政策環評還像是一個大型的協商平台,以永續發展為最高指導原則,公開整合來自不同利益團體、民眾與各機關的意見。這裡,決策單位不再只是單純的「評分者」,而是轉為「協調者」或「仲裁者」,協調各方的意見看法在這裡得到整合,讓過程更具包容性。

-----廣告,請繼續往下閱讀-----

政策環評並沒有所謂的「否決權」,而是側重意見的蒐集與整合,讓行政機關在政策推動時,能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序(包含量化、特徵化等評估方式),也廣納社會面或民眾滿意度等影響因子,把正式與非正式的作法一併考量進去。再來,決策程序中能層層檢討、隨時修正,也建立了追蹤機制和成效評估標準(如環境殘餘效應、累積效應等),透過學習來強化決策品質與嚴謹度。就像一場球賽,隨時根據變化、調整策略。

這樣的制度設計,就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估,讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響,也為後續政策執行奠定更穩固的基礎。

政策環評並沒有否決權,而是重在整合各方意見、量化影響以及建立追蹤與修正機制,這樣的制度設計便適用於離岸風電等大型政策評估。圖/envato

離岸風電為何需要的是政策環評?

離岸風電是能源轉型的重要策略之一,但這不是只在某塊空地上架幾個風車,而是要在廣闊的大海中進行大規模建設,牽涉的不僅是發電,還涉及海洋保育、航空交通、水下文化資產等議題,更與當地漁民的權益息息相關。

這樣的大型離岸風電工程,因海洋環境的風險和不確定性極高,很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點?這就需要政策環評的把關,從多方檢視這些複雜的挑戰,確保政策推行既能穩妥,又能達成發電目標。

-----廣告,請繼續往下閱讀-----

2016 年 3 月,經濟部自願提出「離岸風電區塊開發政策評估說明書」,是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書,政府將採分期公告、逐年檢討的方式,每三年開放 0.5~1 百萬瓩(GW)的電量額度鼓勵業者投入開發。當時環保署(現為環境部)歷經九個月召開 2 次意見徵詢會議,蒐集環評委員、專家學者、相關機關、民眾等意見,最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程,讓政策「名正言順」,得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中,環評會議盤點了開發過程中共通的環境議題。

首先,對於海洋生態保育的重點,特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上,以減少對其生態的干擾。實際上,這項規範在後續的實務執行中更為嚴格,例如,福海二期示範風場已退縮到 2.5 公里外,臺電二期風場甚至退到 4.2 公里外,顯示政策環評確實發揮了實質作用。此外,針對施工期間的聲音干擾,要求施工需有 30 分鐘以上的打樁緩啟動時間,並限制聲量不得超過 180 分貝等。

針對鳥類保育,政策環評也訂立了具體規範。其中,包括風機之間必須留設 500 公尺以上的鳥類穿行廊道,並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時,為確保這些措施確實生效,工程方也被要求設置「鳥類活動監測系統」,持續追蹤、評估風場對鳥類的影響。

-----廣告,請繼續往下閱讀-----

此外,環評會也確立了「先遠後近」的開發原則,要求優先開發較單純的航道外側區塊,待累積足夠經驗及相關資料後,再進行近岸區域的開發。這項原則考量了近海生態系的複雜性,也顧到養殖漁業的漁民權益,展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制:達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質,環境部參考過去離岸風電審查經驗,制定「風力發電離岸系統開發行為環境影響評估初審作業要點」,建立了全新的二階段審查機制。

環境部推動二階段審查機制,提升離岸風電環評效率與審查品質。圖/envato

這套新機制分為兩個階段。第一階段,就像「初步檢查」,由環境部依照檢核表進行初審,並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審,通過第一階段初審之業者,可取得經濟部遴選資格,其初審結果有效期為兩年,必要時可申請展延一年。接著進入「第二階段」,開發單位檢附目的事業主管機關核配的容量證明文件等資料,提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目,涵蓋開發案的全生命週期。

-----廣告,請繼續往下閱讀-----

工程面,包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中,風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域,且須進行地震危害度分析。海域電纜部分,除特殊情形外,埋設深度至少須達 1.5 公尺,且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上,檢核表則對施工噪音管制訂立了明確標準。舉例來說,打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝,且必須全程採用最佳噪音防制工法。同時,每個開發案或聯席審查的風場,同一時間內只能進行一支基樁施作,而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點,分為「施工前、施工期間、營運期間」三階段,每個階段都規定了詳細的監測要求(包括海域底質監測、水下噪音監測、鯨豚目視監測等)。以鯨豚監測為例,每年需執行20趟次,四季中每季至少執行 2 趟次。此外,所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」(https://epaw.moenv.gov.tw/)供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費,也透過明確的檢核項目,讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此,該機制亦確保了環境保護標準前後一致,避免不同案件之間標準不一。

-----廣告,請繼續往下閱讀-----

結語

透過新的審查機制,環境部正積極推動再生能源開發案的環評審查作業,在提升行政效率之餘,也確保環境影響評估的品質,支持臺灣的離岸風電開發及國家能源轉型政策,也做好把關。藉由標準化檢核表和二階段審查制度,期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進,環境部每半年至一年會進行制度檢討,並持續公開所有環評書件於「環評書件查詢系統」(https://eiadoc.moenv.gov.tw/eiaweb/)。此外,環評會議召開前一週,也必須在指定網站公布開會訊息,讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心,另一方面也確保全民能共同參與監督離岸風電的發展過程。未來,這套制度將在各界的檢視與建議中持續完善,為臺灣的永續發展貢獻心力,發揮環評作業的最大效益。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
1

文字

分享

0
1
1
揭密突破製程極限的關鍵技術——原子層沉積
鳥苷三磷酸 (PanSci Promo)_96
・2024/08/30 ・3409字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 ASM 委託,泛科學企劃執行。 

以人類現在的科技,我們能精準打造出每一面牆只有原子厚度的房子嗎?在半導體的世界,我們做到了!

如果將半導體製程比喻為蓋房子,「薄膜製程」就像是在晶片上堆砌層層疊疊的磚塊,透過「微影製程」映照出房間布局 — 也就是電路,再經過蝕刻步驟雕出一格格的房間 — 電晶體,最終形成我們熟悉的晶片。為了打造出效能更強大的晶片,我們必須在晶片這棟「房子」大小不變的情況下,塞進更多如同「房間」的電晶體。

因此,半導體產業內的各家大廠不斷拿出壓箱寶,一下發展環繞式閘極、3D封裝等新設計。一下引入極紫外曝光機,來刻出更微小的電路。但別忘記,要做出這些複雜的設計,你都要先有好的基底,也就是要先能在晶圓上沉積出一層層只有數層原子厚度的材料。

-----廣告,請繼續往下閱讀-----

現在,這道薄膜製程成了電晶體微縮的一大關鍵。原子是物質組成的基本單位,直徑約0.1奈米,等於一根頭髮一百萬分之一的寬度。我們該怎麼精準地做出最薄只有原子厚度,而且還要長得非常均勻的薄膜,例如說3奈米就必須是3奈米,不能多也不能少?

這唯一的方法就是原子層沉積技術(ALD,Atomic Layer Deposition)。

蓋房子的第一步是什麼?沒錯,就是畫設計圖。只不過,在半導體的世界裡,我們不需要大興土木,就能將複雜的電路設計圖直接印到晶圓沉積的材料上,形成錯綜複雜的電路 — 這就是晶片製造的最重要的一環「微影製程」。

首先,工程師會在晶圓上製造二氧化矽或氮化矽絕緣層,進行第一次沉積,放上我們想要的材料。接著,為了在這層材料上雕出我們想要的電路圖案,會再塗上光阻劑,並且透過「曝光」,讓光阻劑只留下我們要的圖案。一次的循環完成後,就會換個材料,重複沉積、曝光、蝕刻的流程,這就像蓋房子一樣,由下而上,蓋出每個樓層,最後建成摩天大樓。

-----廣告,請繼續往下閱讀-----

薄膜沉積是關鍵第一步,基底的品質決定晶片的穩定性。但你知道嗎?不只是堆砌磚塊有很多種方式,薄膜沉積也有多樣化的選擇!在「薄膜製程」中,材料學家開發了許多種選擇來處理這項任務。薄膜製程大致可分為物理和化學兩類,物理的薄膜製程包括蒸鍍、濺鍍、離子鍍、物理氣相沉積、脈衝雷射沉積、分子束磊晶等方式。化學的薄膜製程包括化學氣相沉積、化學液相沉積等方式。不同材料和溫度條件會選擇不同的方法。

二氧化矽、碳化矽、氮化矽這些半導體材料,特別適合使用化學氣相沉積法(CVD, Chemical Vapor Deposition)。CVD 的過程也不難,氫氣、氬氣這些用來攜帶原料的「載氣」,會帶著要參與反應的氣體或原料蒸氣進入反應室。當兩種以上的原料在此混和,便會在已被加熱的目標基材上產生化學反應,逐漸在晶圓表面上長出我們的目標材料。

如果我們想增強半導體晶片的工作效能呢?那麼你會需要 CVD 衍生的磊晶(Epitaxy)技術!磊晶的過程就像是在為房子打「地基」,只不過這個地基的每一個「磚塊」只有原子或分子大小。透過磊晶,我們能在矽晶圓上長出一層完美的矽晶體基底層,並確保這兩層矽的晶格大小一致且工整對齊,這樣我們建造出來的摩天大樓就有最穩固、扎實的基礎。磊晶技術的精度也是各公司技術的重點。

雖然 CVD 是我們最常見的薄膜沉積技術,但隨著摩爾定律的推進,發展 3D、複雜結構的電晶體構造,薄膜也開始需要順著結構彎曲,並且追求精度更高、更一致的品質。這時 CVD 就顯得力有未逮。

-----廣告,請繼續往下閱讀-----

並不是說 CVD 不能用,實際上,不管是 CVD 還是其他薄膜製程技術,在半導體製程中仍占有重要地位。但重點是,隨著更小的半導體節點競爭愈發激烈,電晶體的設計也開始如下圖演變。

圖/Shutterstock

看出來差別了嗎?沒錯,就是構造越變越複雜!這根本是對薄膜沉積技術的一大考驗。

舉例來說,如果要用 CVD 技術在如此複雜的結構上沉積材料,就會出現像是清洗杯子底部時,有些地方沾不太到洗碗精的狀況。如果一口氣加大洗碗精的用量,雖然對杯子來說沒事,但對半導體來說,那些最靠近表層的地方,就會長出明顯比其他地方厚的材料。

該怎麼解決這個問題呢?

-----廣告,請繼續往下閱讀-----
CVD 容易在複雜結構出現薄膜厚度不均的問題。圖/ASM

材料學家的思路是,要找到一種方法,讓這層薄膜長到特定厚度時就停止繼續生長,這樣就能確保各處的薄膜厚度均勻。這種方法稱為 ALD,原子層沉積,顧名思義,以原子層為單位進行沉積。其實,ALD 就是 CVD 的改良版,最大的差異在所選用的化學氣體前驅物有著顯著的「自我侷限現象」,讓我們可以精準控制每次都只鋪上一層原子的厚度,並且將一步驟的反應拆為兩步驟。

在 ALD 的第一階段,我們先注入含有 A 成分的前驅物與基板表面反應。在這一步,要確保前驅物只會與基板產生反應,而不會不斷疊加,這樣,形成的薄膜,就絕對只有一層原子的厚度。反應會隨著表面空間的飽和而逐漸停止,這就稱為自我侷限現象。此時,我們可以通入惰性氣體將多餘的前驅物和副產物去除。在第二階段,我們再注入含有 B 成分的化學氣體,與早已附著在基材上的 A 成分反應,合成為我們的目標材料。

透過交替特殊氣體分子注入與多餘氣體分子去除的化學循環反應,將材料一層一層均勻包覆在關鍵零組件表面,每次沉積一個原子層的薄膜,我們就能實現極為精準的表面控制。

你知道 ALD 領域的龍頭廠商是誰嗎?這個隱形冠軍就是 ASM!ASM 是一家擁有 50 年歷史的全球領先半導體設備製造廠商,自 1968 年,Arthur del Prado 於荷蘭創立 ASM 以來,ASM 一直都致力於推進半導體製程先進技術。2007 年,ASM 的產品 Pulsar ALD 更是成為首個運用在量產高介電常數金屬閘極邏輯裝置的沉積設備。至今 ASM 不僅在 ALD 市場佔有超過 55% 的市佔率,也在 PECVD、磊晶等領域有著舉足輕重的重要性。

-----廣告,請繼續往下閱讀-----

ASM 一直持續在快速成長,現在在北美、歐洲、及亞洲等地都設有技術研發與製造中心,營運據點廣布於全球 15 個地區。ASM 也很看重有「矽島」之稱的台灣市場,目前已在台灣深耕 18 年,於新竹、台中、林口、台南皆設有辦公室,並且在 2023 年於南科設立培訓中心,高雄辦公室也將於今年年底開幕!

當然,ALD 也不是薄膜製程的終點。

ASM 是一家擁有 50 年歷史的全球領先半導體設備製造廠商。圖/ASM

最後,ASM 即將出席由國際半導體產業協會主辦的 SEMICON Taiwan 策略材料高峰論壇和人才培育論壇,就在 9 月 5 號的南港展覽館。如果你想掌握半導體產業的最新趨勢,絕對不能錯過!

圖片來源/ASM

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia