Dünnschichtforschung startet mit innovativem KI-Ansatz in eine neue Ära

Das Paul-Drude-Institut für Festkörperelektronik (PDI) in Berlin hat eine Zusammenarbeit mit dem Wissenschaftstechnologieunternehmen Bizmuth MBE Ltd. bekannt gegeben, um intelligente Automatisierung in die Herstellung von Halbleitermaterialien zu integrieren. Die sechsmonatige Partnerschaft, die von Juni bis Dezember 2025 läuft, ist eine der ersten Initiativen in Europa, die große Sprachmodelle (LLMs) und multimodale KI auf die autonome Steuerung der Molekularstrahlepitaxie (MBE) anwendet.

MBE ist ein etabliertes Verfahren zur Herstellung maßgeschneiderter, atomar präziser Materialschichten und wird häufig in der Halbleiter- und Quantentechnologieforschung eingesetzt. Der Prozess findet in einer Ultrahochvakuumumgebung statt, in der Strahlen von Atomen oder Molekülen auf eine erhitzte Oberfläche aufgebracht werden und so Materialstrukturen mit atomarer Präzision aufbauen. Obwohl MBE seit den 1960er Jahren ein zentrales Element der Materialforschung ist, basiert die Methode nach wie vor stark auf manueller Steuerung. Die Bediener passen die Wachstumsbedingungen anhand von Erfahrungswerten und Echtzeitbeobachtungen an.

Das Wachstum von hochwertigem Galliumnitrid (GaN) hat sich in der Halbleiterindustrie bereits erfolgreich etabliert und dient als Referenzsystem für das Projekt. GaN ist ein Halbleitermaterial, das für Hochleistungselektronik, energieeffiziente Geräte, LEDs und Hochfrequenz-Kommunikationskomponenten von entscheidender Bedeutung ist. Die KI-Software wird am PDI auf GaN implementiert und getestet, bevor sie auf komplexere Materialsysteme angewendet wird, bei denen herkömmliche Trial-and-Error-Ansätze zur Bestimmung der Wachstumsparameter oft zu zeitaufwändig und kostspielig sind.

Der Schwerpunkt der Zusammenarbeit liegt auf der Entwicklung einer KI-gesteuerten Steuerungssoftware für MBE-Systeme, die Anpassungen während des Wachstumsprozesses in Echtzeit automatisiert. Im Gegensatz zu bestehenden KI-gestützten Tools, die Feedback liefern, die Entscheidungsfindung aber den Bedienern überlassen, arbeitet dieses System autonom. Die Software läuft vollständig auf lokaler Edge-Hardware und gewährleistet so Datensicherheit und Unabhängigkeit von der Cloud-Infrastruktur. Das Projekt zielt darauf ab, die Reproduzierbarkeit, Effizienz und Skalierbarkeit der Halbleiterforschung zu verbessern und gleichzeitig Materialabfall und Systemausfallzeiten zu reduzieren.