Proteine ​​sind weit mehr als nur Nährstoffe, die wir auf einem Lebensmitteletikett angeben. Sie sind in jeder Zelle unseres Körpers vorhanden und funktionieren wie die molekularen Maschinen der Natur. Sie gehen, strecken, beugen und beugen sich, um ihre Arbeit zu erledigen: Blut pumpen, Krankheiten bekämpfen, Gewebe aufbauen und viele andere Aufgaben erledigen, die für das Auge zu klein sind. Ihre Kraft beruht nicht nur auf der Kind, sondern auch auf der Artwork und Weise, wie sie sich bewegen.

Künstliche Intelligenz hat es Wissenschaftlern in den letzten Jahren ermöglicht, völlig neue Proteinstrukturen zu entwerfen, die es in der Natur nicht gibt und die auf bestimmte Funktionen zugeschnitten sind, etwa die Bindung an Viren oder die Nachahmung der mechanischen Eigenschaften von Seide für nachhaltige Materialien. Aber allein auf die Struktur zu entwerfen ist wie der Bau einer Autokarosserie ohne Kontrolle über die Leistung des Motors. Die subtilen Vibrationen, Verschiebungen und mechanischen Dynamiken eines Proteins sind für seine Funktionen ebenso entscheidend wie seine Kind.

Nun haben MIT-Ingenieure mit der Entwicklung eines KI-Modells namens VibeGen einen großen Schritt unternommen, um diese Lücke zu schließen. Wenn Vibe-Codierung es Programmierern ermöglicht, zu beschreiben, was sie wollen, und dann die KI die Software program generiert, macht VibeGen dasselbe für lebende Moleküle: Geben Sie die Vibe – das gewünschte Bewegungsmuster – an, und das Modell schreibt das Protein.

Das neue Modell ermöglicht es Wissenschaftlern, gezielt zu bestimmen, wie sich ein Protein als Reaktion auf seine Umgebung beugt, vibriert und zwischen seinen Formen wechselt, und eröffnet so neue Grenzen bei der Gestaltung der molekularen Mechanik. VibeGen baut auf einer Reihe von Fortschritten auf Bühler-Labor in der Agenten-KI für die Wissenschaft – Systeme, in denen mehrere KI-Modelle autonom zusammenarbeiten, um Probleme zu lösen, die für ein einzelnes Modell zu komplex sind.

„Die Essenz des Lebens auf grundlegender molekularer Ebene liegt nicht nur in der Struktur, sondern auch in der Bewegung“, sagt Markus Buehler, Jerry McAfee-Professor für Ingenieurwissenschaften in den Fachbereichen Bau- und Umweltingenieurwesen sowie Maschinenbau. „Von der Proteinfaltung bis zur Verformung von Materialien unter Belastung folgt alles den Grundgesetzen der Physik.“

Buehler und sein ehemaliger Postdoktorand Bo Ni erkannten einen dringenden Bedarf an dem, was sie als physikbewusste KI bezeichnen: Systeme, die in der Lage sind, über Bewegungen nachzudenken und nicht nur Momentaufnahmen der Molekülstruktur. „KI muss über die Analyse statischer Formen hinausgehen und verstehen, wie Struktur und Bewegung grundlegend miteinander verknüpft sind“, fügt Buehler hinzu.

Der neue Ansatz, beschrieben in einem Artikel vom 24. März in der Zeitschrift Gegenstand, nutzt generative KI, um Proteine ​​mit maßgeschneiderter Dynamik zu erzeugen.

KI trainieren, über Bewegung nachzudenken

Die Revolution in der KI-gesteuerten Proteinwissenschaft conflict überwiegend eine Revolution in der Struktur. Instruments wie AlphaFold lösten das jahrzehntealte Drawback der Vorhersage der dreidimensionalen Kind eines Proteins. Bestehende generative Modelle lernten, neue Formen von Grund auf zu entwerfen. Doch bei der Fokussierung auf den gefalteten Schnappschuss – das an Ort und Stelle eingefrorene Protein – ließ das Feld die Eigenschaft, die Proteine ​​zum Funktionieren bringt, weitgehend außer Acht: ihre Bewegung. „Die Strukturvorhersage conflict eine so große Herausforderung, dass sie die Aufmerksamkeit des Fachgebiets in Anspruch nahm“, sagt Buehler. „Aber die Kind eines Proteins ist nur ein Bild eines viel längeren Movies, und der Designraum erstreckt sich über Raum und Zeit, wo die Struktur auf einer viel breiteren Mannigfaltigkeit liegt.“ Wissenschaftler könnten ein Protein mit einer bestimmten Architektur entwerfen. Sie konnten noch nicht genau sagen, wie sich dieses Protein nach seiner Bildung bewegen, biegen oder vibrieren würde.

VibeGen macht etwas, was noch kein Protein-Design-Instrument zuvor geschafft hat. Es kehrt das traditionelle Drawback um. Anstatt zu fragen: „Welche Kind wird diese Sequenz ergeben?“ Es wird gefragt: „Welche Sequenz bewirkt, dass sich ein Protein genau auf diese Weise bewegt?“

Um VibeGen zu entwickeln, griffen Buehler und Ni auf eine Klasse von KI-Diffusionsmodellen zurück, die gleiche zugrunde liegende Technologie, die KI-Bildgeneratoren antreibt, die in der Lage sind, realistische Bilder aus reinem Rauschen zu erstellen. Im Fall von VibeGen beginnt das Modell mit einer zufälligen Sequenz von Aminosäuren und verfeinert diese Schritt für Schritt, bis es einer Sequenz entspricht, von der vorhergesagt wird, dass sie gezielt vibriert und sich beugt.

Das System funktioniert durch zwei kooperierende Agenten, die sich gegenseitig entwerfen und herausfordern. Ein „Designer“ schlägt Kandidatensequenzen vor, die auf ein Zielbewegungsprofil abzielen. Ein „Prädiktor“ bewertet diese Kandidaten und fragt, ob sie sich tatsächlich so bewegen, wie es der Designer beabsichtigt hat. Die beiden Modelle iterieren wie ein interner Dialog hin und her, bis sich das Design zu etwas stabilisiert, das dem Ziel entspricht. Durch die Angabe dieses Schwingungsfingerabdrucks als Design-Enter kehrt VibeGen die übliche Logik um: Dynamik wird zur Blaupause, und die Struktur folgt.

„Es ist ein kollaboratives System“, Ni sagt. „Der Designer schlägt vor, der Prädiktor kritisiert und das Design verbessert sich durch diese Spannung.“

Die meisten Sequenzen, die VibeGen produziert, sind völlig neu, nicht der Natur entlehnt und keine Variation von etwas, das die Evolution bereits geschaffen hat. Um zu bestätigen, dass die Entwürfe tatsächlich funktionieren, führte das Staff detaillierte physikbasierte Molekülsimulationen durch und die Proteine ​​verhielten sich genau wie beabsichtigt, indem sie sich in den von VibeGen angestrebten Mustern beugten und vibrierten.

Eines der auffälligsten Ergebnisse der Studie ist, dass viele verschiedene Proteinsequenzen und -faltungen dasselbe Schwingungsziel erfüllen können – eine Eigenschaft, die die Forscher als funktionelle Degeneration bezeichnen. Wo sich die Evolution auf eine Lösung konzentrierte, offenbart VibeGen eine ganze Familie von Alternativen: Proteine ​​mit unterschiedlichen Strukturen und Sequenzen, die sich dennoch auf die gleiche Weise bewegen. „Das deutet darauf hin, dass die Natur nur einen Bruchteil dessen erforscht hat, was möglich ist“, sagt Buehler. „Für jedes gegebene dynamische Verhalten kann es einen großen, ungenutzten Raum an realisierbaren Designs geben.“

Eine neue Grenze in der Molekulartechnik

Die Kontrolle der Proteindynamik könnte weitreichende Anwendungen haben. In der Medizin bergen Proteine, die auf Befehl ihre Kind ändern können, ein enormes Potenzial. Viele therapeutische Proteine ​​wirken, indem sie an ein Zielmolekül binden – ein Virus, eine Krebszelle, einen fehlzündenden Rezeptor. Wie intestine sie binden, hängt oft nicht nur von ihrer Kind ab, sondern auch davon, wie flexibel sie sich an ihr Ziel anpassen können. Ein mit Bewegung konstruiertes Protein könnte präziser greifen, unbeabsichtigte Wechselwirkungen reduzieren und letztendlich zu einem sichereren und wirksameren Medikament werden.

In der Materialwissenschaft, einem Forschungsgebiet von Buehler, beeinflussen mechanische Eigenschaften auf molekularer Ebene ihre Leistung. Biologische Materialien wie Seide und Kollagen erhalten ihre Stärke und Widerstandsfähigkeit durch die koordinierte Bewegung ihrer molekularen Bausteine. Die Entwicklung von Proteinen, die steifer, flexibler oder auf eine bestimmte Weise vibrieren, könnte zu neuen nachhaltigen Fasern, schlagfesten Materialien oder biologisch abbaubaren Alternativen zu erdölbasierten Kunststoffen führen.

Buehler sieht weitere Möglichkeiten: Strukturmaterialien für Gebäude oder Fahrzeuge mit proteinbasierten Komponenten, die sich nach mechanischer Belastung selbst heilen oder sich bei starker Belastung anpassen.

Indem es Forschern ermöglicht, Bewegung als direkten Designparameter anzugeben, behandelt VibeGen Proteine ​​weniger wie statische Formen, sondern eher wie programmierbare mechanische Geräte. Der Fortschritt verbindet künstliche Intelligenz, Medizin, synthetische Biologie und Materialtechnik – hin zu einer Zukunft, in der molekulare Maschinen mit der gleichen Präzision und Absichtlichkeit entworfen werden können wie Brücken, Motoren oder Mikrochips.

„VibeGen kann Neuland betreten und Proteindesigns vorschlagen, die über das Repertoire der Evolution hinausgehen und ausschließlich auf unsere Spezifikationen zugeschnitten sind. Es ist, als hätten wir eine neue kreative Maschine erfunden, die molekulare Maschinen nach Bedarf entwirft“, fügt Buehler hinzu.

Die Forscher planen, das Modell weiter zu verfeinern und ihre Entwürfe im Labor zu validieren. Sie hoffen auch, bewegungsbewusstes Design mit anderen KI-Instruments zu integrieren und so Systeme zu entwickeln, die Proteine ​​nicht nur dynamisch, sondern auch multifunktional gestalten können; Maschinen, die ihre Umgebung wahrnehmen, auf Signale reagieren und sich in Echtzeit anpassen.

Das Wort „Vibe“ kommt von Vibration, und Buehler sieht darin mehr als nur ein Wortspiel. „Wir haben ‚Vibe‘ in eine Metapher, ein Gefühl, etwas Subjektives verwandelt“, sagt er. „Aber für ein Protein ist die Schwingung die Physik. Es ist das tatsächliche Bewegungsmuster, das bestimmt, was das Molekül tun kann, die eigentliche Maschinerie des Lebens.“

Die Forschung wurde unterstützt von das US-Landwirtschaftsministerium, das MIT-IBM Watson AI Lab und die Generative AI Initiative des MIT.

Künftig könnten winzige Flugroboter eingesetzt werden, um bei der Suche nach Überlebenden zu helfen, die nach einem verheerenden Erdbeben unter den Trümmern eingeschlossen sind. Wie echte Insekten könnten diese Roboter durch enge Räume flitzen, die größere Roboter nicht erreichen können, und gleichzeitig stationären Hindernissen und herabfallenden Trümmerstücken ausweichen.

Bisher konnten Mikroroboter in der Luft nur langsam auf glatten Flugbahnen fliegen, weit entfernt vom schnellen, agilen Flug echter Insekten – bis jetzt.

MIT-Forscher haben Mikroroboter aus der Luft demonstriert, die mit einer Geschwindigkeit und Agilität fliegen können, die mit ihren biologischen Gegenstücken vergleichbar ist. Ein Gemeinschaftsteam entwarf einen neuen KI-basierten Controller für den Roboterkäfer, der es ihm ermöglichte, turnerischen Flugbahnen zu folgen, beispielsweise durch die Ausführung kontinuierlicher Körperüberschläge.

Mit einem zweiteiligen Steuerungsschema, das hohe Leistung mit Recheneffizienz kombiniert, stiegen Geschwindigkeit und Beschleunigung des Roboters im Vergleich zu den besten bisherigen Demonstrationen der Forscher um etwa 450 Prozent bzw. 250 Prozent.

Der schnelle Roboter struggle wendig genug, um zehn aufeinanderfolgende Saltos in 11 Sekunden zu vollenden, selbst wenn Windstörungen drohten, ihn vom Kurs abzubringen.

„Wir möchten in der Lage sein, diese Roboter in Szenarien einzusetzen, in denen herkömmliche Quad-Copter-Roboter Probleme haben würden, in denen Insekten aber navigieren könnten. Mit unserem bioinspirierten Steuerungsrahmen ist die Flugleistung unseres Roboters nun in Bezug auf Geschwindigkeit, Beschleunigung und Nickwinkel mit der von Insekten vergleichbar. Das ist ein ziemlich aufregender Schritt in Richtung dieses zukünftigen Ziels“, sagt Kevin Chen, außerordentlicher Professor am Fachbereich Elektrotechnik und Informatik (EECS) und Leiter des Labors für Tender- und Mikrorobotik im Forschungslabor für Elektronik (RLE) und Co-Senior-Autor von a Papier über den Roboter.

Chen wird bei dem Artikel von den Co-Hauptautoren Yi-Hsuan Hsiao, einem EECS-MIT-Doktoranden, unterstützt. Andrea Tagliabue PhD ’24; und Owen Matteson, ein Doktorand in der Abteilung für Luft- und Raumfahrt (AeroAstro); sowie EECS-Doktorandin Suhan Kim; Tong Zhao MEng ’23; und Co-Senior-Autor Jonathan P. How, Ford-Professor für Ingenieurwissenschaften in der Abteilung für Luft- und Raumfahrttechnik und Hauptforscher am Labor für Informations- und Entscheidungssysteme (LIDS). Die Forschung erscheint heute in Wissenschaftliche Fortschritte.

Ein KI-Controller

Chens Gruppe baut seit mehr als fünf Jahren Roboter-Insekten.

Sie haben kürzlich eine entwickelt langlebigere Model ihres winzigen Robotersein Gerät in Mikrokassettengröße, das weniger wiegt als eine Büroklammer. Die neue Model verwendet größere Schlagflügel, die agilere Bewegungen ermöglichen. Sie werden von einer Reihe weicher künstlicher Muskeln angetrieben, die extrem schnell mit den Flügeln schlagen.

Aber der Controller – das „Gehirn“ des Roboters, das seine Place bestimmt und ihm sagt, wohin er fliegen soll – wurde von einem Menschen von Hand eingestellt, was die Leistung des Roboters einschränkte.

Damit der Roboter wie ein echtes Insekt schnell und aggressiv fliegen konnte, benötigte er einen robusteren Controller, der Unsicherheiten berücksichtigen und komplexe Optimierungen schnell durchführen konnte.

Ein solcher Controller wäre zu rechenintensiv, um ihn in Echtzeit einzusetzen, insbesondere angesichts der komplizierten Aerodynamik des Leichtbauroboters.

Um diese Herausforderung zu meistern, schloss sich Chens Gruppe mit Hows Workforce zusammen und entwickelte gemeinsam ein zweistufiges, KI-gesteuertes Steuerungsschema, das die für komplexe, schnelle Manöver erforderliche Robustheit und die für den Echtzeiteinsatz erforderliche Recheneffizienz bietet.

„Die {Hardware}-Fortschritte haben den Controller vorangetrieben, sodass wir auf der Softwareseite mehr tun konnten, aber gleichzeitig gab es mit der Entwicklung des Controllers auch mehr Möglichkeiten mit der {Hardware}. Während Kevins Workforce neue Fähigkeiten demonstriert, zeigen wir, dass wir sie nutzen können“, sagt How.

Im ersten Schritt baute das Workforce einen sogenannten modellprädiktiven Regler. Diese Artwork leistungsstarker Steuerung nutzt ein dynamisches, mathematisches Modell, um das Verhalten des Roboters vorherzusagen und die optimale Reihe von Aktionen zu planen, um einer Flugbahn sicher zu folgen.

Es ist zwar rechenintensiv, kann aber anspruchsvolle Manöver wie Luftsaltos, schnelle Kurven und aggressive Körperneigungen planen. Dieser Hochleistungsplaner ist auch darauf ausgelegt, Einschränkungen hinsichtlich der Kraft und des Drehmoments zu berücksichtigen, die der Roboter aufbringen kann, was für die Vermeidung von Kollisionen unerlässlich ist.

Um beispielsweise mehrere Flips hintereinander auszuführen, müsste der Roboter so abbremsen, dass seine Anfangsbedingungen genau richtig sind, um den Flip noch einmal auszuführen.

„Wenn sich kleine Fehler einschleichen und man versucht, diesen Flip zehnmal mit diesen kleinen Fehlern zu wiederholen, stürzt der Roboter einfach ab. Wir brauchen eine robuste Flugsteuerung“, sagt How.

Sie verwenden diesen Expertenplaner, um eine „Richtlinie“ auf der Grundlage eines Deep-Studying-Modells zu trainieren, um den Roboter in Echtzeit durch einen Prozess namens Imitation Studying zu steuern. Eine Richtlinie ist die Entscheidungsmaschine des Roboters, die dem Roboter sagt, wohin und wie er fliegen soll.

Im Wesentlichen komprimiert der Imitation-Studying-Prozess den leistungsstarken Controller zu einem recheneffizienten KI-Modell, das sehr schnell laufen kann.

Der Schlüssel lag darin, eine intelligente Möglichkeit zu haben, gerade genug Trainingsdaten zu erstellen, die der Politik alles beibringen würden, was sie für aggressive Manöver wissen muss.

„Die robuste Trainingsmethode ist das Geheimnis dieser Technik“, erklärt How.

Die KI-gesteuerte Richtlinie verwendet Roboterpositionen als Ein- und Ausgänge für Steuerbefehle in Echtzeit, wie z. B. Schubkraft und Drehmomente.

Insektenähnliche Leistung

In ihren Experimenten ermöglichte dieser zweistufige Ansatz dem insektengroßen Roboter, 447 Prozent schneller zu fliegen und gleichzeitig eine Beschleunigung von 255 Prozent zu erzielen. Der Roboter struggle in der Lage, zehn Saltos in 11 Sekunden zu vollenden, und der winzige Roboter wich nie mehr als 4 oder 5 Zentimeter von seiner geplanten Flugbahn ab.

„Diese Arbeit zeigt, dass Tender- und Mikroroboter, die traditionell in ihrer Geschwindigkeit begrenzt waren, jetzt fortschrittliche Steuerungsalgorithmen nutzen können, um eine Beweglichkeit zu erreichen, die der von natürlichen Insekten und größeren Robotern nahe kommt, was neue Möglichkeiten für die multimodale Fortbewegung eröffnet“, sagt Hsiao.

Die Forscher konnten auch Sakkadenbewegungen nachweisen, die auftreten, wenn Insekten sehr aggressiv schlagen, schnell zu einer bestimmten Place fliegen und dann in die andere Richtung schlagen, um anzuhalten. Diese schnelle Beschleunigung und Verzögerung hilft Insekten, sich zu lokalisieren und klar zu sehen.

„Dieses bionachahmende Flugverhalten könnte uns in Zukunft helfen, wenn wir beginnen, Kameras und Sensoren an Bord des Roboters zu installieren“, sagt Chen.

Das Hinzufügen von Sensoren und Kameras, damit die Mikroroboter im Freien fliegen können, ohne an ein komplexes Bewegungserfassungssystem angeschlossen zu sein, wird ein wichtiger Bereich zukünftiger Arbeiten sein.

Die Forscher wollen auch untersuchen, wie integrierte Sensoren den Robotern helfen könnten, Kollisionen untereinander zu vermeiden oder die Navigation zu koordinieren.

„Für die Mikrorobotik-Neighborhood hoffe ich, dass dieses Papier einen Paradigmenwechsel signalisiert, indem es zeigt, dass wir eine neue Steuerungsarchitektur entwickeln können, die gleichzeitig leistungsstark und effizient ist“, sagt Chen.

„Diese Arbeit ist besonders beeindruckend, weil diese Roboter trotz der großen Unsicherheiten, die aus relativ großen Fertigungstoleranzen bei der Kleinserienfertigung, Windböen von mehr als einem Meter professional Sekunde und sogar dem um den Roboter gewickelten Stromkabel bei wiederholten Drehungen entstehen, immer noch präzise Drehungen und schnelle Drehungen ausführen“, sagt Sarah Bergbreiter, Professorin für Maschinenbau an der Carnegie Mellon College, die nicht an dieser Arbeit beteiligt struggle.

„Obwohl die Steuerung derzeit auf einem externen Laptop und nicht an Bord des Roboters läuft, zeigen die Autoren, dass ähnliche, aber weniger präzise Steuerungsrichtlinien auch mit der eingeschränkteren Rechenleistung eines Roboters im Insektenmaßstab möglich sein könnten. Das ist spannend, weil es auf zukünftige Roboter im Insektenmaßstab hinweist, deren Agilität der ihrer biologischen Gegenstücke nahe kommt“, fügt sie hinzu.

Diese Forschung wird zum Teil von der Nationwide Science Basis (NSF), dem Workplace of Naval Analysis, dem Air Pressure Workplace of Scientific Analysis, MathWorks und dem Zakhartchenko Fellowship finanziert.

Die Elektronikindustrie nähert sich einer Grenze für die Anzahl der Transistoren, die auf der Oberfläche eines Computerchips untergebracht werden können. Die Chiphersteller wollen additionally eher aufbauen als verschwinden.

Anstatt immer kleinere Transistoren auf eine einzige Oberfläche zu quetschen, strebt die Industrie danach, mehrere Oberflächen aus Transistoren und Halbleiterelementen zu stapeln – vergleichbar mit der Umwandlung eines Ranchhauses in ein Hochhaus. Solche mehrschichtigen Chips könnten exponentiell mehr Daten verarbeiten und viel komplexere Funktionen ausführen als die heutige Elektronik.

Eine erhebliche Hürde ist jedoch die Plattform, auf der die Chips aufgebaut sind. Heutzutage dienen sperrige Siliziumwafer als Hauptgerüst, auf dem hochwertige, einkristalline Halbleiterelemente wachsen. Jeder stapelbare Chip müsste als Teil jeder Schicht einen dicken Silizium-„Boden“ enthalten, der die Kommunikation zwischen funktionalen Halbleiterschichten verlangsamt.

Jetzt haben MIT-Ingenieure einen Weg gefunden, diese Hürde zu umgehen, und zwar mit einem mehrschichtigen Chip-Design, das keine Silizium-Wafer-Substrate erfordert und bei Temperaturen arbeitet, die niedrig genug sind, um die Schaltkreise der darunter liegenden Schicht zu erhalten.

In einer Studie erscheint heute in der Zeitschrift Naturberichtet das Group mit der neuen Methode zur Herstellung eines mehrschichtigen Chips mit abwechselnden Schichten aus hochwertigem Halbleitermaterial, die direkt übereinander gewachsen sind.

Die Methode ermöglicht es Ingenieuren, Hochleistungstransistoren sowie Speicher- und Logikelemente auf jeder beliebigen kristallinen Oberfläche zu bauen – nicht nur auf dem sperrigen Kristallgerüst von Siliziumwafern. Ohne diese dicken Siliziumsubstrate könnten mehrere Halbleiterschichten in direkterem Kontakt stehen, was zu einer besseren und schnelleren Kommunikation und Berechnung zwischen den Schichten führt, sagen die Forscher.

Die Forscher stellen sich vor, dass mit der Methode KI-{Hardware} in Type von gestapelten Chips für Laptops oder tragbare Geräte gebaut werden könnte, die so schnell und leistungsstark wäre wie heutige Supercomputer und riesige Datenmengen auf Augenhöhe mit physischen Rechenzentren speichern könnte.

„Dieser Durchbruch eröffnet der Halbleiterindustrie ein enormes Potenzial und ermöglicht das Stapeln von Chips ohne herkömmliche Einschränkungen“, sagt Studienautor Jeehwan Kim, außerordentlicher Professor für Maschinenbau am MIT. „Dies könnte zu einer Verbesserung der Rechenleistung für Anwendungen in den Bereichen KI, Logik und Speicher um Größenordnungen führen.“

Zu den MIT-Co-Autoren der Studie gehören der Erstautor Ki Seok Kim, Seunghwan Search engine optimisation, Doyoon Lee, Jung-El Ryu, Jekyung Kim, Jun Min Suh, June-chul Shin, Min-Kyu Music, Jin Feng und Sangho Lee Mitarbeiter des Samsung Superior Institute of Expertise, der Sungkyunkwan College in Südkorea und der College of Texas in Dallas.

Samentaschen

Im Jahr 2023 wird Kims Gruppe gemeldet dass sie eine Methode entwickelten, um hochwertige Halbleitermaterialien auf amorphen Oberflächen wachsen zu lassen, ähnlich der vielfältigen Topographie halbleitender Schaltkreise auf fertigen Chips. Das Materials, das sie züchteten, battle eine Artwork 2D-Materials, bekannt als Übergangsmetalldichalkogenide (TMDs), das als vielversprechender Nachfolger von Silizium für die Herstellung kleinerer Hochleistungstransistoren gilt. Solche 2D-Materialien können ihre halbleitenden Eigenschaften auch auf der Skala eines einzelnen Atoms beibehalten, während die Leistung von Silizium stark abnimmt.

In ihrer vorherigen Arbeit züchtete das Group TMDs auf Siliziumwafern mit amorphen Beschichtungen sowie auf bestehenden TMDs. Um Atome dazu zu ermutigen, sich in hochwertiger einkristalliner Type statt in zufälliger, polykristalliner Unordnung anzuordnen, bedeckten Kim und seine Kollegen zunächst einen Siliziumwafer mit einem sehr dünnen Movie oder einer „Maske“ aus Siliziumdioxid, die sie strukturierten winzige Öffnungen oder Taschen. Dann ließen sie ein Fuel aus Atomen über die Maske strömen und stellten fest, dass sich Atome als „Samen“ in den Taschen festsetzten. Die Taschen beschränkten die Samen darauf, in regelmäßigen, einkristallinen Mustern zu wachsen.

Allerdings funktionierte die Methode damals nur bei etwa 900 Grad Celsius.

„Man muss dieses einkristalline Materials bei unter 400 Grad Celsius wachsen lassen, sonst ist der darunter liegende Schaltkreis völlig verkocht und zerstört“, sagt Kim. „Unsere Hausaufgabe bestand additionally darin, eine ähnliche Technik bei Temperaturen unter 400 Grad Celsius durchzuführen. Wenn wir das schaffen könnten, wären die Auswirkungen erheblich.“

Aufbauend

In ihrer neuen Arbeit wollten Kim und seine Kollegen ihre Methode verfeinern, um einkristalline 2D-Materialien bei Temperaturen zu züchten, die niedrig genug sind, um alle darunter liegenden Schaltkreise zu erhalten. Sie fanden eine überraschend einfache Lösung in der Metallurgie – der Wissenschaft und dem Handwerk der Metallproduktion. Wenn Metallurgen geschmolzenes Metall in eine Type gießen, bildet die Flüssigkeit langsam „Keime“ oder bildet Körner, die wachsen und zu einem regelmäßig gemusterten Kristall verschmelzen, der zu einer festen Type aushärtet. Metallurgen haben herausgefunden, dass diese Keimbildung am leichtesten an den Rändern einer Type auftritt, in die flüssiges Metall gegossen wird.

„Es ist bekannt, dass die Keimbildung an den Rändern weniger Energie – und Wärme – erfordert“, sagt Kim. „Additionally haben wir dieses Konzept aus der Metallurgie übernommen, um es für zukünftige KI-{Hardware} zu nutzen.“

Das Group wollte einkristalline TMDs auf einem Siliziumwafer züchten, der bereits mit Transistorschaltkreisen hergestellt wurde. Wie bei ihren vorherigen Arbeiten bedeckten sie zunächst die Schaltkreise mit einer Maske aus Siliziumdioxid. Anschließend lagerten sie TMD-„Samen“ an den Rändern jeder Maskentasche ab und stellten fest, dass diese Randkeime bei Temperaturen von bis zu 380 Grad Celsius zu einkristallinem Materials heranwuchsen, im Vergleich zu Samen, die in der Mitte, weiter weg, zu wachsen begannen die Ränder jeder Tasche, was höhere Temperaturen erforderte, um einkristallines Materials zu bilden.

Die Forscher gingen noch einen Schritt weiter und nutzten die neue Methode, um einen mehrschichtigen Chip mit abwechselnden Schichten aus zwei verschiedenen TMDs herzustellen – Molybdändisulfid, ein vielversprechender Materialkandidat für die Herstellung von n-Typ-Transistoren; und Wolframdiselenid, ein Materials, das das Potenzial hat, in p-Typ-Transistoren verarbeitet zu werden. Sowohl p- als auch n-Typ-Transistoren sind die elektronischen Bausteine ​​zur Ausführung jeder logischen Operation. Dem Group gelang es, beide Materialien in einkristalliner Type direkt übereinander wachsen zu lassen, ohne dass zwischengeschaltete Siliziumwafer erforderlich waren. Kim sagt, dass die Methode die Dichte der Halbleiterelemente eines Chips effektiv verdoppeln wird, insbesondere des Metalloxid-Halbleiters (CMOS), der ein Grundbaustein moderner Logikschaltungen ist.

„Ein mit unserer Technik realisiertes Produkt ist nicht nur ein 3D-Logikchip, sondern auch 3D-Speicher und deren Kombinationen“, sagt Kim. „Mit unserer wachstumsbasierten monolithischen 3D-Methode könnten Sie Dutzende bis Hunderte von Logik- und Speicherschichten direkt übereinander wachsen lassen, und sie wären in der Lage, sehr intestine zu kommunizieren.“

„Herkömmliche 3D-Chips wurden mit dazwischen liegenden Siliziumwafern hergestellt, indem Löcher durch die Wafer gebohrt wurden – ein Prozess, der die Anzahl der gestapelten Schichten, die vertikale Ausrichtungsauflösung und die Ausbeute begrenzt“, fügt Erstautor Kiseok Kim hinzu. „Unsere wachstumsbasierte Methode befasst sich mit all diesen Problemen auf einmal.“

Um ihr stapelbares Chipdesign weiter zu kommerzialisieren, hat Kim kürzlich ein Unternehmen namens FS2 (Future Semiconductor 2D Supplies) ausgegliedert.

„Wir zeigen bisher ein Konzept für kleine Gerätearrays“, sagt er. „Der nächste Schritt ist die Skalierung, um den Betrieb eines professionellen KI-Chips zu zeigen.“

Diese Forschung wird teilweise vom Samsung Superior Institute of Expertise und dem US Air Drive Workplace of Scientific Analysis unterstützt.