O Paul-Drude-Institut für Festkörperelektronik (PDI), em Berlim, anunciou uma colaboração com a empresa de tecnologia científica Bizmuth MBE Ltd. para integrar automação inteligente na fabricação de materiais semicondutores. A parceria de seis meses, que vai de junho a dezembro de 2025, é uma das primeiras iniciativas na Europa a aplicar grandes modelos de linguagem (LLMs) e IA multimodal ao controle autônomo da epitaxia por feixe molecular (MBE).
A MBE é um processo estabelecido para a fabricação de camadas de materiais personalizadas e atomicamente precisas, frequentemente empregado em pesquisa de semicondutores e tecnologia quântica. O processo ocorre em um ambiente de ultra-alto vácuo, onde feixes de átomos ou moléculas são depositados em uma superfície aquecida, construindo estruturas de materiais com precisão atômica. Embora a MBE seja um elemento central na pesquisa de materiais desde a década de 1960, o método ainda depende fortemente do controle manual, com operadores ajustando as condições de crescimento com base em conhecimento empírico e observações em tempo real.
O crescimento de nitreto de gálio (GaN) de alta qualidade já se estabeleceu com sucesso na indústria de semicondutores e serve como sistema de referência para o projeto. O GaN é um material semicondutor crucial para eletrônicos de alta potência, dispositivos energeticamente eficientes, LEDs e componentes de comunicação de alta frequência. O software de IA será implementado e testado no PDI em GaN antes de ser aplicado a sistemas de materiais mais complexos, onde as abordagens convencionais de tentativa e erro para determinar os parâmetros de crescimento costumam ser muito demoradas e caras.
O foco da colaboração é desenvolver um software de controle baseado em IA para sistemas MBE que automatize os ajustes em tempo real durante o processo de crescimento. Ao contrário das ferramentas existentes com suporte de IA que fornecem feedback, mas deixam a tomada de decisão para os operadores, este sistema opera de forma autônoma. O software é executado inteiramente em hardware local de ponta, garantindo a segurança dos dados e a independência da infraestrutura em nuvem. O projeto visa melhorar a reprodutibilidade, eficiência e escalabilidade da pesquisa de semicondutores, ao mesmo tempo em que reduz o desperdício de material e o tempo de inatividade do sistema.
