یادگیری ماشین راهنمای توسعه سرامیک با گذردهی بالا برای خازن‌های کوچک‌تر و پایدار در برابر دما
پژوهشگران با پیوند دادن ویژگی‌های مقیاس اتمی به عملکرد دی‌الکتریک، روشی برای تنظیم سرامیک‌های تنگستن برنز با هدف دستیابی هم‌زمان به کوچک‌سازی، تلفات کم و پایداری حرارتی ارائه کرده‌اند.
یک مطالعه اخیر منتشرشده در Nature Electronics راهبردی مبتنی بر یادگیری ماشین (ML) برای طراحی اکسیدهای دارای گذردهی بالا و پایدار در برابر دما برای قطعات الکترونیکی کوچک‌شده معرفی کرده است.
پژوهشگران با استفاده از این راهبرد برای اصلاح هم‌جانشینی شیمیایی در سرامیک‌های تنگستن برنز، ماده‌ای تولید کردند که دارای ثابت دی‌الکتریک ۱۸۵، تانژانت تلفات ۰٫۰۰۰۵ و ضریب دمایی ظرفیت در محدوده ±۳۰ ppm K⁻¹ است. این ویژگی‌ها به حل تضادهای اصلی در طراحی خازن کمک می‌کنند و امکان ساخت قطعات کوچک، پرکارایی برای ماژول‌های RF، مدارهای مجتمع و سامانه‌های مخابراتی را فراهم می‌سازند.
محدودیت‌های دی‌الکتریک‌های سنتی
برای نمونه، سرامیک‌های فروالکتریک مانند تیتانات باریم گذردهی بالایی دارند، اما به دلیل حرکت دیواره‌های دامنه با تلفات دی‌الکتریک قابل توجهی همراه هستند. در مقابل، مواد پاراالکتریک مانند تیتانات استرانسیوم تلفات کمتری دارند، ولی گذردهی متوسط و ضریب دمایی منفی نشان می‌دهند.
دی‌الکتریک‌های خطی مانند دی‌اکسید سیلیکون، تلفات کم و پایداری حرارتی مناسبی دارند، اما گذردهی پایین آن‌ها استفاده از این مواد را در قطعات کوچک محدود می‌کند. رویکرد کشف مواد با کمک یادگیری ماشین، راهی نظام‌مند برای بررسی این روابط و یافتن موادی با تعادل مناسب میان گذردهی، تلفات و پایداری دمایی ارائه می‌دهد.
رویکرد یادگیری ماشین برای طراحی مواد
پژوهشگران یک روش سلسله‌مراتبی مبتنی بر یادگیری ماشین توسعه دادند تا مواد دی‌الکتریک با گذردهی بالا و پایداری دمایی را شناسایی کنند. داده‌های اولیه شامل ۲۵۰ نمونه ماده با ۲۴ ویژگی مرتبط با گذردهی و ۱۶۲ نمونه با ۲۴ ویژگی مرتبط با ضریب دمایی بود که به‌ترتیب ۶۰۰۰ و ۳۸۸۸ ورودی داده‌ای ایجاد می‌کرد.
پس از پاک‌سازی داده‌ها و بررسی همبستگی‌ها، پژوهشگران شش ویژگی کلیدی جهانی را برای مدل‌سازی انتخاب کردند.
آن‌ها چند الگوریتم را با استفاده از اعتبارسنجی متقابل ده‌مرحله‌ای برای انتخاب ابرپارامترها ارزیابی کردند و سپس مدل‌های نهایی را با ۷۰ درصد داده‌ها آموزش دادند و با ۳۰ درصد باقی‌مانده در هزار تقسیم تصادفی آزمایش کردند.
رگرسیون جنگل تصادفی برای پیش‌بینی گذردهی در دمای اتاق، ضریب تعیین R² بالاتر از ۰٫۸۰ به دست آورد. برای TCκ نیز رگرسیون بردار پشتیبان (SVR) با هسته تابع پایه شعاعی توانست ضریب تعیین بالاتر از ۰٫۶۵ برای پیش‌بینی ضریب دمایی ظرفیت ارائه دهد.
این مدل‌ها یک کتابخانه مجازی شامل ۱۳۲٬۶۵۱ ماده را غربال کردند و اکسیدهای تنگستن برنز را به دلیل ساختارهای بلوری انعطاف‌پذیرشان به‌عنوان مواد امیدوارکننده شناسایی کردند.
تحلیل ویژگی‌های محلی و محاسبات نظریه تابعی چگالی (DFT) عوامل تعیین‌کننده عملکرد دی‌الکتریک را بررسی کردند. این تحلیل نشان داد که گذردهی با جرم اتمی و الکترونگاتیوی در جایگاه‌های حلقه چهارعضوی شبکه تنگستن برنز ارتباط دارد، در حالی که استحکام پیوند و کووالانسی پیوندهای فلز-اکسیژن با پایداری دمایی مرتبط هستند.
در این مطالعه، تلفات دی‌الکتریک در مرحله اعتبارسنجی تجربی بررسی شد و به‌عنوان هدف اصلی پیش‌بینی مدل یادگیری ماشین در نظر گرفته نشد.
سنتز و مشخصه‌یابی ماده دی‌الکتریک
برای اعتبارسنجی تجربی، پژوهشگران Ba4Nd9.33Ti18O54 (BNT) و مشتقات جانشین‌شده با بیسموت و ژرمانیوم آن را با واکنش حالت جامد سنتز کردند. آن‌ها BaCO3، Bi2O3، TiO2، GeO2 و Nd2O3 را به مدت ۲۰ ساعت در اتانول آسیاب مرطوب کردند و برای جبران تبخیر، به نمونه‌های دارای بیسموت مقدار اضافی از این عنصر افزودند. پودرها در دمای ۸۰۰ تا ۱۰۰۰ درجه سانتی‌گراد کلسینه، با ماده چسباننده فشرده و در دمای ۱۱۰۰ تا ۱۴۰۰ درجه سانتی‌گراد به مدت ۱٫۵ تا ۶ ساعت زینتر شدند.
بیسموت در جایگاه A″ برای افزایش گذردهی وارد ساختار شد و ژرمانیوم در جایگاه تیتانیوم برای بهبود پایداری حرارتی به کار رفت. خازن‌های نمونه تک‌لایه با استفاده از ریخته‌گری نواری رول‌به‌رول ساخته شدند تا نوارهای سرامیکی با ضخامت ۲۰ میکرومتر تولید شود. این نوارها به روش پرس ایزوستاتیک گرم لایه‌لایه شدند و با لایه‌های الکترودی تیتانیوم-تنگستن، نیکل و طلا تجهیز شدند.
بهبود عملکرد دی‌الکتریک و شناخت سازوکارها
اعتبارسنجی تجربی نشان داد که جانشینی دوگانه در دو جایگاه مختلف، ویژگی‌های دی‌الکتریک سرامیک تنگستن برنز را بهبود می‌دهد.
جایگزینی نئودیمیوم با بیسموت در جایگاه‌های A″ قطبش‌پذیری یونی را افزایش داد و گذردهی را در سطح جانشینی ۵۰ درصد مولی به حدود ۲۰۵ رساند. این افزایش با ضریب دمایی نامطلوب‌تر، حدود ۱۴۰- ppm K⁻¹، همراه بود و همین موضوع نیاز به مرحله جانشینی ژرمانیوم را ایجاد کرد.
جانشینی ژرمانیوم در جایگاه‌های تیتانیوم، پیوندهای قوی‌تر Ge-O (ژرمانیوم-اکسیژن) ایجاد کرد که بر جابه‌جایی‌های اتمی محلی اثر گذاشت و پایداری حرارتی را افزایش داد.
ترکیب نهایی Ba4(Nd0.5Bi0.5)9.33(Ti0.99Ge0.01)18O54 (BNBGT) دارای ثابت دی‌الکتریک ۱۸۵، تانژانت تلفات ۰٫۰۰۰۵ و ضریب دمایی ظرفیت ۲۲- ppm K⁻¹ بود.
میکروسکوپ الکترونی عبوری روبشی با میدان تاریک حلقوی با زاویه بالا (in situ) نشان داد که میانگین جابه‌جایی اتمی در جایگاه‌های A با افزایش دما از دمای اتاق تا ۵۰۰ درجه سانتی‌گراد حدود ۲۳ درصد افزایش می‌یابد. محاسبات نظریه تابعی چگالی شبه‌هارمونیک نشان داد که پیوند قوی Ge-O باعث کج‌شدن هماهنگ هشت‌وجهی‌های مجاور از طریق اتم‌های اکسیژن پل‌زن می‌شود.
شکست تقارن محلی حاصل، جابه‌جایی‌های قطبی غیرمرکزی را در هنگام انبساط حرارتی حفظ می‌کند و کاهش حساسیت دی‌الکتریک ناشی از انبساط شبکه را جبران می‌کند.
ساخت خازن و آزمون‌های اطمینان‌پذیری
سرامیک BNBGT در اندازه‌گیری‌های جداگانه از ۱ هرتز تا ۱ گیگاهرتز، پاسخ دی‌الکتریک پایدار نسبت به فرکانس نشان داد.
برای ارزیابی قابلیت استفاده در قطعات الکترونیکی، پژوهشگران خازن‌های نمونه تک‌لایه با الکترودهای تیتانیوم-تنگستن، نیکل و طلا ساختند. نمونه‌هایی با ظرفیت طراحی حدود ۱، ۴٫۵، ۸ و ۳۵ پیکوفاراد تولید شد و نمونه ۳۵ پیکوفارادی برای اندازه‌گیری‌های وابسته به فرکانس استفاده شد.
نمونه‌ها در آزمون میدان الکتریکی بالا از ۷۰- تا ۱۵۰ درجه سانتی‌گراد، پاسخ‌های قطبی خطی و بدون هیسترزیس نشان دادند. یک نمونه ۱ پیکوفارادی با ابعاد ۰٫۳۵ × ۰٫۳۵ × ۰٫۲۰ میلی‌متر مکعب، از نظر حجم حدود ۸۵ درصد کوچک‌تر از نمونه مقایسه‌ای Murata CLB095C1R0K1000TC1 در مقاله بود که ابعاد ۰٫۹۰ × ۰٫۹۰ × ۰٫۲۰ میلی‌متر مکعب داشت.
آزمون‌های اطمینان‌پذیری نشان دادند که خازن‌ها پس از هزار چرخه شوک حرارتی بین ۵۵- تا ۱۵۰ درجه سانتی‌گراد، بیش از ۹۹٫۸ درصد ظرفیت اولیه خود را حفظ کردند. در آزمون عمر شتاب‌یافته در ولتاژ ۱۰۰۰ ولت و دمای ۱۵۰ درجه سانتی‌گراد به مدت ۱۰۰ ساعت، تغییر ظرفیت بیش از ۰٫۱ درصد نبود، مقاومت ویژه حداکثر ۱۵ درصد کاهش یافت و هیچ خرابی در قطعات مشاهده نشد.
مسیرهای آینده در توسعه مواد دی‌الکتریک
این مطالعه با ترکیب کشف مواد به کمک یادگیری ماشین و مشخصه‌یابی در مقیاس اتمی، سرامیک‌های تنگستن برنز با گذردهی بالا و پایداری دمایی توسعه داد. ترکیب BNBGT برای ساخت خازن‌های تراشه‌ای تک‌لایه کوچک‌شده استفاده شد که از نظر حجم حدود ۸۵ درصد کوچک‌تر از نمونه تجاری Murata مورد مقایسه در این پژوهش بود و هم‌زمان تلفات دی‌الکتریک کم و پایداری دمایی را حفظ کرد.
پایگاه‌های داده باز دی‌الکتریک و روند کاری سلسله‌مراتبی یادگیری ماشین می‌توانند برای غربالگری دیگر اکسیدهای عملکردی نیز به کار گرفته شوند. این مقاله همچنین نتایج آزمایش‌های موازی در چندین سامانه تنگستن برنز را گزارش می‌کند که از راهبرد گسترده‌تر هم‌دوپ‌سازی پشتیبانی می‌کنند.
منبع: Qi, J., Chen, Y., Qin, J. و همکاران (۲۰۲۶). Temperature-stable high-κ oxides for miniaturized capacitors. Nature Electronics. DOI: 10.1038/s41928-026-01721-1، https://www.nature.com/articles/s41928-026-01721-1