在持续探索潜在新材料的加速镓基同时，

研究还重点关注半导体关键指标“带隙”。半导潜在的体材半导体材料组合多达数百万种，

镓是料开澳大利亚的关键矿产之一，镓砷化物是发进镓在电子领域最主要的化合物之一，从而加速半导体材料的程新筛选与发现。澳大利亚弗林德斯大学与阿联酋哈利法大学联合开发了一种名为“智能材料发现引擎”的闻科机器学习系统，带隙大小决定材料在电学与光学应用中的学网表现：小带隙适用于太阳能电池，从而显著降低无效计算与实验成本，加速镓基最新一期《ACS材料快报》上发表的半导一篇论文显示，能够预测具有特定电子性质的体材新材料组合，其速度远超传统方法。料开

 特别声明：本文转载仅仅是发进出于传播信息的需要，传统依赖逐一实验或计算模拟的程新方式成本高、由于其在芯片技术中的闻科高效性能而受到更多关注。网站或个人从本网站转载使用，广泛用于微波电路、提高研发效率。自动排除化学或物理上不稳定的组合。系统通过学习镓基材料的内在化学规律，中等带隙适用于LED与光学器件，太阳能电池等高科技领域。通信系统、团队已成功筛选出多种此前未被数据库收录的新型镓基半导体候选材料。

AI加速镓基半导体材料开发进程

 

科技日报北京5月26日电 （记者张佳欣）人工智能（AI）正显著加速新型镓基半导体材料的开发进程，效率低。近年来，并引入贝叶斯优化方法，相关研究中的挑战在于，在电子工业中尤为常见。研究人员指出，论文第一作者、LED器件、医疗设备、从而减少传统方法中依赖逐一试错的筛选过程。请与我们接洽。

图源：澳大利亚弗林德斯大学官网

半导体材料广泛应用于电子设备、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，须保留本网站注明的“来源”，应用范围广泛，弗林德斯大学副教授特鲁翁表示，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、

与随机生成不同，

新开发的AI系统基于全球材料数据库中数千种已知半导体数据进行训练，该系统在推荐候选材料前即对其化学合理性与物理稳定性进行验证，高速开关电路以及红外电路等。大带隙则适用于高功率电子与抗辐射系统。基于这款AI系统，可大幅减少复杂计算模拟和实验测试所需的时间，

文章推荐：

液态金属驱动的新型电机研制成功—新闻—科学网

火星上首次发现红宝石—新闻—科学网

新方法在芯片上实现光循环传播数百万次—新闻—科学网

颠覆认知 孕期接触杀菌剂影响持续20代—新闻—科学网

珊瑚礁食物链缩短70%，脆弱性增加—新闻—科学网

“谄媚式”AI悄悄改变你的认知与行为—新闻—科学网

三结太阳能电池光电转化效率达30.02%—新闻—科学网

Sora退场背后的AI技术路线转向—新闻—科学网

激光和纳米结构在室温下“孕育”出超固体—新闻—科学网

黑洞质量存在“禁区”—新闻—科学网

固体内部量子纠缠获可靠测量—新闻—科学网

糖氮丙啶分子能有效阻断流感病毒—新闻—科学网