নোবেল পুরষ্কারের পিছনে সিভিডি প্রযুক্তি উদ্ভাবন

সম্প্রতি, পদার্থবিজ্ঞানে ২০২৪ সালের নোবেল পুরষ্কারের ঘোষণাটি কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে অভূতপূর্ব মনোযোগ এনেছে। আমেরিকান বিজ্ঞানী জন জে। এই অর্জনটি কেবল কৃত্রিম গোয়েন্দা প্রযুক্তিতে একটি গুরুত্বপূর্ণ মাইলফলক চিহ্নিত করে না, তবে পদার্থবিজ্ঞান এবং কৃত্রিম বুদ্ধিমত্তার গভীর সংহতকরণকেও হেরাল্ড করে।

Ⅰ। পদার্থবিজ্ঞানে রাসায়নিক বাষ্প ডিপোজিশন (সিভিডি) প্রযুক্তির তাত্পর্য এবং চ্যালেঞ্জগুলি

পদার্থবিজ্ঞানে রাসায়নিক বাষ্প ডিপোজিশন (সিভিডি) প্রযুক্তির তাত্পর্য বহুমুখী। এটি কেবল একটি গুরুত্বপূর্ণ উপাদান প্রস্তুতি প্রযুক্তিই নয়, পদার্থবিজ্ঞানের গবেষণা এবং প্রয়োগের উন্নয়নে প্রচারে মূল ভূমিকা পালন করে। সিভিডি প্রযুক্তি পরমাণু এবং আণবিক স্তরে উপকরণগুলির বৃদ্ধি যথাযথভাবে নিয়ন্ত্রণ করতে পারে। চিত্র 1-তে দেখানো হয়েছে, এই প্রযুক্তিটি শক্ত ডিপোজিট 1 উত্পন্ন করার জন্য শক্ত পৃষ্ঠের বায়বীয় বা বাষ্পীয় পদার্থের রাসায়নিকভাবে প্রতিক্রিয়া জানিয়ে বিভিন্ন উচ্চ-পারফরম্যান্স পাতলা ছায়াছবি এবং ন্যানোস্ট্রাকচার্ড উপকরণ তৈরি করে। মাইক্রোস্ট্রাকচার এবং উপকরণগুলির ম্যাক্রোস্কোপিক বৈশিষ্ট্যগুলির মধ্যে সম্পর্ক বোঝার এবং অন্বেষণের জন্য পদার্থবিজ্ঞানে এটি গুরুত্বপূর্ণ, কারণ এটি বিজ্ঞানীদের নির্দিষ্ট কাঠামো এবং রচনাগুলি সহ উপকরণগুলি অধ্যয়ন করতে দেয় এবং তারপরে তাদের শারীরিক বৈশিষ্ট্যগুলি গভীরভাবে বুঝতে পারে।

দ্বিতীয়ত, সিভিডি প্রযুক্তি সেমিকন্ডাক্টর ডিভাইসে বিভিন্ন কার্যকরী পাতলা ছায়াছবি প্রস্তুত করার জন্য একটি মূল প্রযুক্তি। উদাহরণস্বরূপ, সিভিডি সিলিকন একক স্ফটিক এপিট্যাক্সিয়াল স্তরগুলি, III-V সেমিকন্ডাক্টর যেমন গ্যালিয়াম আর্সেনাইড এবং II-VI সেমিকন্ডাক্টর একক স্ফটিক এপিট্যাক্সি এবং বিভিন্ন ডোপড সেমিকন্ডাক্টর একক স্ফটিক এপিটাক্সিয়াল ফিল্মগুলি, পলিক্রিস্টালাইন সিলিকন ফিল্মগুলি, পলিক্রিস্টালাইন সিলিকন ফিল্মগুলি, পলিক্রিস্টালাইন সিলিকন ফিল্মগুলি জমা দেওয়ার জন্য ব্যবহার করা যেতে পারে। এছাড়াও, সিভিডি প্রযুক্তি পদার্থবিজ্ঞানের গবেষণা ক্ষেত্রে যেমন অপটিক্যাল উপকরণ, সুপারকন্ডাক্টিং উপকরণ এবং চৌম্বকীয় উপকরণগুলিতেও গুরুত্বপূর্ণ ভূমিকা পালন করে। সিভিডি প্রযুক্তির মাধ্যমে, নির্দিষ্ট অপটিক্যাল বৈশিষ্ট্যযুক্ত পাতলা ছায়াছবিগুলি অপটোলেক্ট্রোনিক ডিভাইস এবং অপটিক্যাল সেন্সরগুলিতে ব্যবহারের জন্য সংশ্লেষিত করা যেতে পারে।

চিত্র 1 সিভিডি প্রতিক্রিয়া স্থানান্তর পদক্ষেপ

একই সময়ে, সিভিডি প্রযুক্তি ব্যবহারিক অ্যাপ্লিকেশনগুলিতে কিছু চ্যালেঞ্জের মুখোমুখি হয়েছে যেমন:

✔ উচ্চ তাপমাত্রা এবং উচ্চ চাপের শর্ত: সিভিডি সাধারণত উচ্চ তাপমাত্রা বা উচ্চ চাপে চালিত করা দরকার, যা ব্যবহার করা যেতে পারে এমন উপকরণগুলির ধরণের সীমাবদ্ধ করে এবং শক্তি খরচ এবং ব্যয় বৃদ্ধি করে।

✔ প্যারামিটার সংবেদনশীলতা: সিভিডি প্রক্রিয়া প্রতিক্রিয়া শর্তের জন্য অত্যন্ত সংবেদনশীল এবং এমনকি ছোট পরিবর্তনগুলি চূড়ান্ত পণ্যের গুণমানকে প্রভাবিত করতে পারে।

✔ সিভিডি সিস্টেম জটিল: সিভিডি প্রক্রিয়াটি সীমানা অবস্থার প্রতি সংবেদনশীল, বড় অনিশ্চয়তা রয়েছে এবং এটি নিয়ন্ত্রণ এবং পুনরাবৃত্তি করা কঠিন, যা উপাদান গবেষণা এবং বিকাশে অসুবিধা হতে পারে।

Ⅱ। রাসায়নিক বাষ্প ডিপোজিশন (সিভিডি) প্রযুক্তি এবং মেশিন লার্নিং

এই অসুবিধাগুলির মুখোমুখি, একটি শক্তিশালী ডেটা বিশ্লেষণ সরঞ্জাম হিসাবে মেশিন লার্নিং, সিভিডি ক্ষেত্রে কিছু সমস্যা সমাধানের সম্ভাবনা দেখিয়েছে। নীচে সিভিডি প্রযুক্তিতে মেশিন লার্নিংয়ের প্রয়োগের উদাহরণ রয়েছে:

(1) সিভিডি বৃদ্ধির পূর্বাভাস

মেশিন লার্নিং অ্যালগরিদমগুলি ব্যবহার করে আমরা প্রচুর পরিমাণে পরীক্ষামূলক ডেটা থেকে শিখতে পারি এবং বিভিন্ন অবস্থার অধীনে সিভিডি বৃদ্ধির ফলাফলগুলি পূর্বাভাস দিতে পারি, যার ফলে পরীক্ষামূলক পরামিতিগুলির সমন্বয়কে গাইড করে। চিত্র 2-তে দেখানো হয়েছে, সিঙ্গাপুরের নানিয়াং টেকনোলজিকাল বিশ্ববিদ্যালয়ের গবেষণা দল দ্বি-মাত্রিক উপকরণগুলির সিভিডি সংশ্লেষণকে গাইড করতে মেশিন লার্নিংয়ে শ্রেণিবদ্ধকরণ অ্যালগরিদম ব্যবহার করেছিল। প্রাথমিক পরীক্ষামূলক তথ্য বিশ্লেষণ করে, তারা সফলভাবে মলিবডেনাম ডিসলফাইড (এমওএস 2) এর বৃদ্ধির অবস্থার পূর্বাভাস দিয়েছিল, পরীক্ষামূলক সাফল্যের হারকে উল্লেখযোগ্যভাবে উন্নত করেছে এবং পরীক্ষার সংখ্যা হ্রাস করেছে।

চিত্র 2 মেশিন লার্নিং গাইড উপাদান সংশ্লেষণ

(ক) উপাদান গবেষণা এবং বিকাশের একটি অপরিহার্য অংশ: উপাদান সংশ্লেষণ।

(খ) শ্রেণিবিন্যাসের মডেল দ্বি-মাত্রিক উপকরণ (শীর্ষ) সংশ্লেষ করতে রাসায়নিক বাষ্পের জমাতে সহায়তা করে; রিগ্রেশন মডেল সালফার-নাইট্রোজেন ডোপড ফ্লুরোসেন্ট কোয়ান্টাম ডটস (নীচে) এর হাইড্রোথার্মাল সংশ্লেষণকে গাইড করে।

অন্য একটি গবেষণায় (চিত্র 3), সিভিডি সিস্টেমে গ্রাফিনের বৃদ্ধির ধরণ বিশ্লেষণ করতে মেশিন লার্নিং ব্যবহার করা হয়েছিল। গ্রাফিনের আকার, কভারেজ, ডোমেন ঘনত্ব এবং দিক অনুপাতটি স্বয়ংক্রিয়ভাবে একটি অঞ্চল প্রস্তাবের কনভোলিউশনাল নিউরাল নেটওয়ার্ক (আর-সিএনএন) বিকাশের মাধ্যমে পরিমাপ ও বিশ্লেষণ করা হয়েছিল, এবং তারপরে সিভিডি প্রসেস ভেরিয়েবলগুলির মধ্যে সম্পর্ক স্থাপনের জন্য কৃত্রিম নিউরাল নেটওয়ার্ক (এএনএন) এবং সমর্থন ভেক্টর মেশিন (এসভিএম) ব্যবহার করে সারোগেট মডেলগুলি বিকাশ করা হয়েছিল। এই পদ্ধতির গ্রাফিন সংশ্লেষণ অনুকরণ করতে পারে এবং বৃহত শস্যের আকার এবং কম ডোমেন ঘনত্বের সাথে কাঙ্ক্ষিত আকারবিজ্ঞানের সাথে গ্রাফিনকে সংশ্লেষিত করার জন্য পরীক্ষামূলক শর্তগুলি নির্ধারণ করতে পারে, প্রচুর সময় এবং ব্যয় সাশ্রয় করে ²

চিত্র 3 মেশিন লার্নিং সিভিডি সিস্টেমে গ্রাফিন বৃদ্ধির ধরণগুলির পূর্বাভাস দেয়

(২) স্বয়ংক্রিয় সিভিডি প্রক্রিয়া

আরও সুনির্দিষ্ট নিয়ন্ত্রণ এবং উচ্চতর উত্পাদন দক্ষতা অর্জনের জন্য রিয়েল টাইমে সিভিডি প্রক্রিয়াতে পরামিতিগুলি নিরীক্ষণ এবং সামঞ্জস্য করতে স্বয়ংক্রিয় সিস্টেমগুলি বিকাশ করতে মেশিন লার্নিং ব্যবহার করা যেতে পারে। চিত্র 4-তে দেখানো হয়েছে, সিডিয়ান বিশ্ববিদ্যালয়ের একটি গবেষণা দল সিভিডি ডাবল-লেয়ার দ্বি-মাত্রিক উপকরণগুলির ঘূর্ণন কোণ সনাক্তকরণের অসুবিধা কাটিয়ে উঠতে গভীর শিক্ষার ব্যবহার করেছিল। তারা সিভিডি দ্বারা প্রস্তুত এমওএস 2 এর রঙিন স্থান সংগ্রহ করেছিল এবং এমওএস 2 এর বেধকে সঠিকভাবে এবং দ্রুত সনাক্ত করতে একটি শব্দার্থক সেগমেন্টেশন কনভোলিউশনাল নিউরাল নেটওয়ার্ক (সিএনএন) প্রয়োগ করেছিল এবং তারপরে সিভিডি-গ্রাউন ডাবল-লেয়ার টিএমডি উপকরণগুলির ঘূর্ণন কোণটির সঠিক পূর্বাভাস অর্জনের জন্য একটি দ্বিতীয় সিএনএন মডেলকে প্রশিক্ষণ দেয়। এই পদ্ধতিটি কেবল নমুনা সনাক্তকরণের দক্ষতা উন্নত করে না, তবে উপকরণ বিজ্ঞানের ক্ষেত্রে গভীর শিক্ষার প্রয়োগের জন্য একটি নতুন দৃষ্টান্ত সরবরাহ করে⁴.

চিত্র 4 গভীর শিক্ষার পদ্ধতিগুলি ডাবল-লেয়ার দ্বি-মাত্রিক উপকরণগুলির কোণগুলি সনাক্ত করুন

রেফারেন্স:

(1) গুও, কিউ-এম ;; কিন, জেড.-এইচ। পারমাণবিক উত্পাদনতে বাষ্প জমার প্রযুক্তির বিকাশ এবং প্রয়োগ। অ্যাক্টা ফিজিকা সিনিকা 2021, 70 (2), 028101-028101-028101-028115। দুই: 10.7498/APS.70.20201436।

(2) ই, কে ।; লিউ, ডি; চেন, এক্স ।; ইয়াং, জে ।; ওয়েই, ডি; লিউ, ওয়াই; ওয়েই, ডি। অ্যাপ্লিকেশনগুলির জন্য দ্বি-মাত্রিক উপকরণগুলির প্লাজমা-বর্ধিত রাসায়নিক বাষ্প জমা। রাসায়নিক গবেষণা 2021, 54 (4), 1011-1022 এর অ্যাকাউন্ট। Doi: 10.1021/acs.accounts.0c00757।

(3) হুয়াং, জি ।; কিম, টি ।; শিন, জে ।; শিন, এন ।; হুয়াং, এস। সিভিডি গ্রাফিন বিশ্লেষণের জন্য মেশিন লার্নিংস: পরিমাপ থেকে এসইএম চিত্রগুলির সিমুলেশন পর্যন্ত। শিল্প ও প্রকৌশল রসায়ন জার্নাল 2021, 101, 430-444। Doi: https://doi.org/10.1016/j.jiec.2021.05.031।

(4) হউ, বি ।; উ, জে ।; কিউইউ, ডি ওয়াই। স্বতন্ত্র কোহন-শাম রাজ্যগুলির অনির্বাচিত শিক্ষা: বহু-দেহের প্রভাবগুলির প্রবাহের পূর্বাভাসের জন্য ব্যাখ্যাযোগ্য উপস্থাপনা এবং পরিণতি। 2024; পি আরএক্সআইভি: 2404.14601।