Yarı iletken malzeme testlerinde yapay zekanın hızı

Güneş hücrelerinin verimliliğini artırabilecek yeni yarı iletken malzemelerin keşif hızı bilim insanlarının onları bir test düzeneğinde ölçebilme hızıyla sınırlıdır. Malzemelerin yüzeyini ve optoelektronik özelliklerini incelemede temas profilometresi, iki-dört noktalı problar, vb. karakterizasyon teknikleri önemli araçlardandır. Bu ölçümler zaman alıcı, kısmi yerel bilgi toplayabilir ve aynı zamanda kapsamlı, hassas ve doğruluk isteyen analizlerde birden fazla temas ve sürekli izleme gerektirir.¹

Derin öğrenme ve yapay zeka (YZ) destekli otonom sistemlerin kullanımı ölçümlerdeki bu zorlukları ortadan kaldırabilir ve ölçüm güvenilirliğini ve verimi artırabilir.²

Temas tabanlı karakterizasyon yöntemlerinde en az sayıda çekim, en fazla mekansal bilgiyi toplamak, temas noktalarını yüksek hassasiyetle tahmin etmek için otonomlaştırma bir zorunluluktur.³

Derin öğrenmeli robotik (atomik kuvvet mikroskobu probu gibi), malzeme ve moleküllerin çeşitli optik karakterizasyonlarının ölçümünde temassız yapıları nedeniyle veri toplama verimini artıran yöntemlerdendir.⁴

Massachusetts Teknoloji Enstitüsü’nden Siemens vd., en uygun poz tahmini için otonom evrişimli sinir ağı (SDCNN) gömülü temas tabanlı dört noktalı bir prob uca sahip 4 serbestlik dereceli bir robot bir malzemenin fotoiletkenliğini ölçtüler. Yapmış oldukları bu çalışmanın odağında 2 teknik bulunmaktadır.

1. SDCNN ile en az sayıda temas ve bu temaslar için doğru açıları belirleme
2. Ölçümler sırasında “Gürültülü Dijkstra” algoritması ile en kısa yolları bularak verimli rotalar oluşturma

Bu yöntemle yarıiletkenlerin görüntüleri alınır ölçüm alanları ve temas açıları belirlenir. Alınan verilerle robot sistem daha kısa zamanda daha fazla tarama yaparak, ölçüm kalitesini, güvenilirliğini ve verimliliğini artırır. 

Çalışmanın özelinde güneş hücreleri için kullanılacak perovskit filmlerinin fotoiletkenliği gün içerisinde 3025 kez (125 ölçüm/saat) yüzey alanı boyunca ölçülmüştür. Yarıiletken malzemede üretim hatalı bölgeler; detore olmuş homojen olmayan alanlar tespit edilmiştir.⁵

Bu yöntemle yarı iletken malzemelerin foto-elektriksel özellikleri otonom olarak üretim aşamasında veya sonrasında hızlı ve güvenilir olarak ölçülebilir. YZ ve robotik teknolojilerinin birlikte kullanımı karakterizasyonların hızlandırılması sağlayarak yarıiletken tabanlı (fotovoltaik, batarya, vb.) çalışmaların gelişimine katkı sunacaktır.

Kaynaklar

1. Kang, J. H., Lee, S. H., Yu, K. M., & Joo, S. (2025). Development of an Automatic Precision Sheet Resistance Measurement System Using the Four-Point Probe Method. Journal of Electrical Engineering & Technology, 20(4), 2799-2808.
2. Tulli, S. K. C. (2024). Artificial intelligence, machine learning and deep learning in advanced robotics, a review. International Journal of Acta Informatica, 3(1), 35-58.
3. Leveziel, M., Haouas, W., Laurent, G. J., Gauthier, M., & Dahmouche, R. (2022). MiGriBot: A miniature parallel robot with integrated gripping for high-throughput micromanipulation. Science Robotics, 7(69), eabn4292.
4. Su, J., Li, J., Guo, N., Peng, X., Yin, J., Wang, J., … & Lu, J. (2024). Intelligent synthesis of magnetic nanographenes via chemist-intuited atomic robotic probe. Nature Synthesis, 3(4), 466-476.
5. Siemenn, A. E., Das, B., Ji, K., Sheng, F., & Buonassisi, T. (2025). A self-supervised robotic system for autonomous contact-based spatial mapping of semiconductor properties. Science Advances, 11(27), eadw7071.