XiaoMi-AI文件搜索系统
World File Search System可印刷
二维材料的温度打印和涂层
（或溶剂混合物），可进一步加工成可印刷或可涂覆的油墨。这些悬浮液的行为通常用 Derjaguin-Landau-Verwey-Overbeek (DLVO) 理论描述，[3] 这意味着悬浮液中纳米片的浓度有一个上限，超过该上限悬浮液就会变得不稳定。[4] 尽管如此，高浓度悬浮液（油墨）对于形成渗透粒子网络是必要的，[5] 并且满足高通量印刷和涂层方法的流变学要求（例如高粘度）。无论浓度如何，悬浮液在热力学上都是不稳定的，并且粒子倾向于通过聚集来降低其表面能。[6] 为了降低沉降速度，必须最小化溶剂和 2D 材料之间的表面能差异，[3] 这使得分散介质的选择限制为少数溶剂，而这些溶剂的溶解度范围可能不适合后续加工。在传统的油墨配方中，为了解决上述问题，将二维材料悬浮液加工成可印刷或可涂覆的油墨，需要使用表面活性剂、粘合剂和流变改性剂等添加剂。[7–10] 例如，需要高浓度的聚合物粘合剂（如70 mg mL-1乙酸丁酸纤维素）来将石墨烯油墨的粘度提高到适合丝网印刷的水平。[11] 由于典型的添加剂会对电子性能产生不利影响（例如，
通过基于注意力的深度布局度量学习进行热点检测
摘要 — 随着半导体特征尺寸的急剧缩小，热点检测已成为生成优化掩模设计以实现更好可印刷性的关键且具有挑战性的问题。机器学习技术，尤其是深度学习，在热点检测任务上取得了显著的成功。然而，由于两阶段流程和布局特征表示效率较低，大多数现有的热点检测器性能不佳。更重要的是，大多数工作只能解决具有明显热点模式的简单基准测试，如 ICCAD 2012 竞赛基准测试。在本文中，我们首先开发了一种新的端到端热点检测流程，其中布局特征嵌入和热点检测共同执行。基于注意机制的深度卷积神经网络 (CNN) 被用作主干来学习布局特征的嵌入并同时对热点进行分类。实验结果表明，我们的框架在更具挑战性的基准测试上实现了比现有技术更高的准确率，误报更少，推理速度更快。
用于可拉伸电子产品的数码印刷液态金属嵌入弹性体油墨中银微薄片的比较研究
与刚性印刷电路板 (PCB) 和柔性 PCB 相比，软电路具有更高的稳健性和更好的机械阻抗匹配性，可与更广泛的宿主表面（包括纺织品和人体软组织）匹配。然而，可拉伸电子产品开发中的一个关键挑战是使用可印刷油墨的能力，这种油墨在 > 100% 的大应变下仍能保持高电导率和稳定的走线电阻。一种有前途的方法来创建具有低机电耦合的柔软、可拉伸和可印刷电子产品，就是将微流体通道或液态金属 (LM) 液滴整合到软弹性体中。[8,9] 镓基 LM，例如共晶镓铟 (EGaIn)，因其高导电性、低流体粘度和可忽略不计的毒性而特别受欢迎。[10] 然而，制造带有 LM 导体的电路通常需要大量劳动力，并且需要许多手动步骤。由于 LM 的粘度低、表面张力高且与基板的粘附性差，直接打印 LM 也具有挑战性。因此，研究人员试图提出创新技术，以打印基于 LM 的电路。在一项研究中，EGaIn 沉积在印刷的 Ag 纳米墨水上，以实现电导率提高 6 个数量级、应变耐受极限提高 20 倍以上。[11] EGaIn 还用于选择性润湿光刻图案化的铜 (Cu) 走线，以创建高性能集成电路 [12]，并且还沉积在电纺弹性纤维垫上，以获得具有高导电性和可拉伸性的薄膜导体。[13] 在另一项最近的研究中，LM 和银薄片悬浮在热塑性弹性体中，并用于具有极高拉伸性 (2500%) 的摩擦电纳米发电机。 [14] 其他努力包括利用 EGaIn 液滴渗透网络，无论是印刷迹线的形式 [15,16,17] 还是由悬浮在弹性体基质中的 LM 液滴组成的橡胶复合材料。[18,19,20] 然而，这些使用 LM 液滴印刷软电子器件的方法需要额外的热、光学或机械烧结步骤，以及其他形式的后处理以诱导电导率，并且印刷适性对于与微电子集成的应用受到限制
用于非制冷红外成像的高速量子点/石墨烯红外探测器的开发 Judy Wu, 1,2 * Maogang Gong, 1,2 Russell C. Schmitz
胶体半导体量子点/石墨烯范德华 (vdW) 异质结利用量子点 (QDs) 增强的光物质相互作用和光谱稳定性以及石墨烯中卓越的电荷迁移率，为增益或外部量子效率高达 10 10 的非制冷红外光电探测器提供了一种有前途的替代方案。在这些 QD/石墨烯范德华异质结构中，QD/石墨烯界面在控制光电过程（包括激子解离、电荷注入和传输）方面起着关键作用。具体而言，范德华界面处的电荷陷阱会增加噪声、降低响应度和响应速度。本文重点介绍了我们在设计范德华异质结界面以实现更高效的电荷转移、从而获得更高的光响应度、D* 和响应速度方面的最新进展。这些结果表明范德华异质结界面工程在 QD/石墨烯光电探测器中的重要性，这可能为低成本、可印刷和灵活的红外探测器和成像系统提供有前途的途径。
RL-OPC：通过深度强化学习进行掩模优化
摘要 — 掩模优化是先进技术节点 VLSI 制造过程中的重要步骤。作为最具代表性的技术之一，光学邻近校正 (OPC) 被广泛应用于提高可印刷性。由于传统 OPC 方法消耗的计算开销过大，近期研究已将机器学习技术应用于高效的掩模优化。然而，现有的判别学习模型依赖给定的数据集进行监督训练，而生成学习模型通常利用代理优化目标进行端到端学习，这可能会限制可行性。在本文中，我们率先引入了用于掩模优化的强化学习 (RL) 模型，该模型无需利用可微代理即可直接优化首选目标。大量实验表明，我们的方法优于最先进的解决方案，包括学术方法和商业工具包。
RL-OPC：通过深度强化学习进行掩模优化
摘要 — 掩模优化是先进技术节点 VLSI 制造过程中的重要步骤。作为最具代表性的技术之一，光学邻近校正 (OPC) 被广泛应用于提高可印刷性。由于传统 OPC 方法消耗的计算开销过大，近期研究已将机器学习技术应用于高效的掩模优化。然而，现有的判别学习模型依赖给定的数据集进行监督训练，而生成学习模型通常利用代理优化目标进行端到端学习，这可能会限制可行性。在本文中，我们率先引入了用于掩模优化的强化学习 (RL) 模型，该模型无需利用可微代理即可直接优化首选目标。大量实验表明，我们的方法优于最先进的解决方案，包括学术方法和商业工具包。
CTM-SRAF：基于连续传输掩模的约束感知亚分辨率辅助特征生成
引言在过去的几十年里，集成电路的特征尺寸按照摩尔定律不断缩小。光学光刻已进入低 k -1 区域[1]，[2]，所用光的波长仍为193 nm。因此，使用传统光刻工艺获得高图案保真度和掩模版可印刷性变得越来越具有挑战性。此外，印刷晶圆图像对光刻条件的微小变化变得高度敏感。为了缓解这些问题，对光学光刻中的分辨率增强技术 (RET) 的要求变得更加严格[3]，[4]。最广泛采用的 RET 之一是光学邻近校正 (OPC) [5]，[6]，[7]，[8]，[9]。传统OPC中，光刻掩模版针对主图案进行预失真处理，以补偿印刷晶圆图像的不良失真。然而，随着关键尺寸的缩小和目标图案的复杂化，仅使用OPC很难在足够的工艺窗口下获得令人满意的印刷图像。
材料进展 - RSC 出版
由于单结钙钛矿太阳能电池（PSC）器件的光电转换效率（PCE）从3.8％1提高到25.7％2，作为最有前途的光伏器件之一，吸引了全世界的目光。然而，电极材料（如金或银）和有机空穴传输材料（如2,2 0 ,7,7 0 -四[N,N-二（4-甲氧基苯基）氨基]-9-9 0 -螺二芴，螺-OMeTAD）的成本较高，一定程度上限制了其商业化。碳的功函数（5.0 eV）与金的功函数（5.1 eV）相近3，理论上可以替代金作为PSC器件的对电极。2014年，H. Han教授等在Nature Communications上发表了题为“Better to the PSC”的文章。首次提出了一种基于碳电极的新型无HTM（空穴传输材料）全可印刷介观钙钛矿太阳能电池（p-MPSC）。4
CTM-SRAF：基于连续传输掩模的约束...
引言在过去的几十年里，集成电路的特征尺寸按照摩尔定律不断缩小。光学光刻已进入低 k -1 区域[1]，[2]，所用光的波长仍为193 nm。因此，使用传统光刻工艺获得高图案保真度和掩模可印刷性变得越来越具有挑战性。此外，印刷晶圆图像对光刻条件的微小变化变得高度敏感。为了缓解这些问题，对光学光刻中的分辨率增强技术 (RET) 的要求变得更加严格[3]，[4]。最广泛采用的 RET 之一是光学邻近校正 (OPC) [5]，[6]，[7]，[8]，[9]。传统OPC中，光刻掩模版针对主图案进行预失真处理，以补偿印刷晶圆图像的不良失真。然而，随着关键尺寸的缩小和目标图案的复杂化，仅使用OPC很难在足够的工艺窗口下获得令人满意的印刷图像。