美国堪萨斯州威奇托市的Nitride Global Inc宣布,公司联合合作伙伴——位于加利福尼亚州洛斯阿拉米托斯、自2005年起持续为美国国防部门及国家实验室提供关键衬底材料的United Semiconductors LLC(USLLC),以及位于德克萨斯州休斯顿的Axiom Space Inc——共同入选了NASA资助的小企业创新研究(SBIR)项目,项目名称为"面向太空制造氮化铝单晶的物理气相沉积反应器设计与验证"。该项目旨在推进下一代物理气相沉积(PVD)反应器的研发,用于在微重力环境下生产高纯度氮化铝(AlN)晶体,这是实现大规模太空半导体制造的关键一步。
超宽禁带(UWBG)半导体氮化铝在导热性、工作温度范围、抗辐射性以及电气击穿强度等方面均优于碳化硅(SiC)和氮化镓(GaN)。然而,地面环境下的氮化铝晶体生长面临高位错密度、点缺陷及尺寸限制等挑战,制约了其在高性能电力电子和光电子应用领域的广泛推广。
微重力环境能够从多个维度突破上述技术瓶颈:消除热对流,确保均匀的质量通量,从而减少缺陷;最大程度降低热梯度,减少应力引发的位错;加速籽晶培育,在数月内而非数十年间实现超高纯度氮化铝衬底的制备,使晶圆质量实现跨代提升。
在第一阶段,由USLLC主导的项目团队开发并测试了一款概念验证型PVD反应器,该反应器可在仅消耗250至400瓦功率、整体重量不超过700克的条件下,实现2800至3200摄氏度的晶体生长温度。这一紧凑型系统验证了其集成至国际空间站(ISS)环境的可行性,而功耗、体积与热管理正是空间站环境中的重要约束条件。
进入第二阶段,联合团队将开发并验证一套可部署于国际空间站的飞行级反应器原型。具体目标包括:优化反应器设计,以满足空间站中层甲板储物柜的集成要求;通过建模与实证测试对氮化铝晶体生长工艺进行优化;以及完成NASA安全审查,并获得未来在轨实验的有效载荷集成审批。
升级后的系统还将作为高温材料研究平台,支持碳化硅、氧化物晶体及其他与太空制造和下一代半导体技术相关先进材料的研究。
Nitride Global首席执行官Mahyar Khosravi表示:"这次合作是迈向太空半导体制造愿景的重要一步。我们致力于充分利用微重力优势与先进热系统工程技术,推动美国在面向地面及轨道应用的超高性能材料生产领域占据领先地位。"
该项目与NASA推动可持续商业太空制造的总体目标高度契合,同时也将推进面向极端太空环境的氮化铝基半导体研发,并借助国际空间站及未来Axiom Space商业空间站等近地轨道平台,加速相关技术的成熟转化,服务地球与深空探索双重需求。
Q&A
Q1:氮化铝(AlN)晶体为什么要在太空中生长,而不是在地面生产?
A:地面环境下,氮化铝晶体生长存在高位错密度、点缺陷和尺寸受限等问题,难以满足高性能半导体应用需求。而微重力环境能消除热对流、降低热梯度、加速籽晶培育,从而大幅减少缺陷,在数月内实现地面需要数十年才能达到的晶圆质量提升,因此太空制造具有显著技术优势。
Q2:SBIR项目第一阶段开发的PVD反应器有哪些技术亮点?
A:第一阶段由USLLC主导开发的概念验证型物理气相沉积反应器,能够在2800至3200摄氏度的高温下实现晶体生长,但功耗仅为250至400瓦,整体重量不超过700克。这种紧凑、低功耗的设计已验证其在国际空间站有限资源条件下集成部署的可行性。
Q3:Nitride Global、USLLC和Axiom Space合作的SBIR项目第二阶段目标是什么?
A:第二阶段的核心目标是开发并验证一套可在国际空间站部署的飞行级反应器原型。具体工作包括优化反应器设计以符合空间站中层甲板储物柜集成标准、通过建模与实证测试优化氮化铝晶体生长工艺,并完成NASA安全审查及有效载荷集成审批,为未来在轨实验奠定基础。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。