美国明尼苏达州查纳森市的Agnitron Technology公司日前宣布,其Agilis 100 MOCVD系统已被德国莱布尼茨固态与材料研究所(IFW Dresden)材料化学研究院(IMC)旗下的MOCVD与ALD能力中心正式选用。
该能力中心引入Agilis 100系统,主要用于支持前驱体化学领域的研究,以及金属有机化学气相沉积(MOCVD)和原子层沉积(ALD)工艺的开发。IFW Dresden长期致力于创新化学方法的研究,旨在推动新型半导体器件类别的发展。
此次选用Agnitron设备的核心驱动力,在于研究团队需要在灵活的研发反应器中部署新合成的低蒸气压前驱体,并在实际工艺中验证其实用性。所安装的系统配置整合了一套从安瓿瓶到晶圆的特种前驱体热控方案,并搭载专利喷淋头设计,确保前驱体输送的稳定性与重复性。
IFW Dresden MOCVD与ALD能力中心主任Anjana Devi教授表示:"与Agnitron的合作为我们提供了所需的灵活性和支持,使我们能够在商业反应器中合成并测试新型前驱体,顺利推进既定计划。"
该中心的初期研究重点将集中于利用新型金属有机前驱体生长掺钪氮化铝(AlN)材料。超宽禁带半导体合金钪铝氮化物(ScAlN)具有显著提升的压电系数和强自发极化特性,预计将在下一代高频、高功率及声学半导体器件中发挥变革性作用,助力提升带宽、信号质量和热稳定性。
IFW Dresden纳米结构薄膜材料研究团队负责人Harish Parala博士指出:"由于Agilis 100系统在材料生长方面表现出色,我们决定再次选择Agnitron,为我们提供第二台MOCVD系统,以进一步推进氧化物薄膜的前驱体开发工作。第二套生长系统将使我们能够利用并验证新开发的镓化学体系,用于生长氧化镓(Ga2O3)薄膜。"
Ga2O3是另一种超宽禁带半导体材料,Agnitron目前保持着MOCVD法生长该材料纯度的最高纪录。IFW Dresden在化学开发方面的积累,结合Agnitron在Ga2O3 MOCVD设备与工艺方面的专业能力,有望加速推动可靠氧化物薄膜生长技术的进步。
Agnitron创始人兼首席执行官Andrei Osinsky博士表示:"IFW Dresden是理想的合作伙伴,其世界一流的研究团队与卓越的实验设施,与采用专利喷淋头及低蒸气压化学输送系统的Agilis 100平台高度契合。我们很高兴能够支持他们今天的ScAlN研发路线图,也对他们以第二套系统扩展氧化物项目所给予的信任深表感谢。我们将携手将有潜力的材料转化为可靠的、具有工业价值的工艺。"
Q&A
Q1:Agnitron Agilis 100 MOCVD系统有什么技术特点?
A:Agilis 100系统配备专利喷淋头设计,支持低蒸气压前驱体的稳定输送,并整合了从安瓿瓶到晶圆的特种前驱体热控方案,确保工艺的重复性和稳定性。该系统灵活性高,适合研发场景下新型前驱体的合成与验证测试,同时在氧化镓(Ga2O3)材料生长纯度方面保持行业最高纪录。
Q2:钪铝氮化物(ScAlN)在半导体领域有哪些应用前景?
A:ScAlN是一种超宽禁带半导体合金,具有显著提升的压电系数和强自发极化特性。它预计将在下一代高频、高功率及声学半导体器件中发挥重要作用,能够有效提升器件的带宽、信号质量和热稳定性,是极具潜力的新型半导体材料之一。
Q3:IFW Dresden为何选择第二台Agnitron MOCVD系统?
A:由于第一台Agilis 100系统在材料生长方面表现优异,IFW Dresden决定引进第二台Agnitron MOCVD系统,专门用于氧化物薄膜的前驱体开发,特别是利用新开发的镓化学体系生长氧化镓(Ga2O3)薄膜,以进一步拓展研究范围并加速氧化物薄膜生长技术的产业化进程。
好文章,需要你的鼓励
AMD宣布收购内存优化初创公司MEXT,将其预测性内存优化软件整合至AI基础设施产品组合。该技术利用AI智能调配数据在闪存与DRAM之间的流转,在不大幅扩充硬件的前提下提升有效内存容量、降低能耗与成本。分析师指出,随着DRAM价格大幅攀升、供应趋紧,软件驱动的内存优化策略正重获企业关注,AI基础设施竞争已从"芯片战"演进为"基础设施优化战"。
普林斯顿大学团队公开i1文生图模型完整训练食谱,3B参数通过300+受控实验优化设计,在五大评测中超越多个参数量更大的开源模型,完整开放权重、代码与数据。
温哥华港通过加拿大ELECTRA计划,向五家港口货运公司提供高额补贴的Peterbilt 579EV八级电动重卡60个月租赁方案,涵盖充电基础设施、维护及技术培训。该试点旨在收集电动重卡在集装箱短途运输中的真实数据,并与行业及政府共享。项目获得约300万加元支持,为期一年的数据采集将为未来电动重卡大规模推广提供依据。
腾讯混元提出CPPO方法,通过位置权重和累积前缀预算两个机制改进AI强化学习训练,在多个Qwen3模型的数学推理任务上超越现有方法,最大提升达5.56分。