人工智能模型揭示了薄膜中树枝状生长的秘密

薄膜器件由几纳米厚的材料层组成，在从半导体到通信技术的各种技术中发挥着重要作用。例如，沉积在铜基板上的石墨烯和六方氮化硼（h-BN）多层薄膜是下一代高速通信系统的有前景的材料

薄膜是通过在基板上沉积微小的材料层来生长的。生长工艺条件显著影响这些薄膜的微观结构，进而影响其功能和性能

树枝状结构，或生长过程中出现的树状分支模式，对薄膜器件的大面积制造构成了重大挑战，这是迈向商业应用的关键一步。它们通常在铜、石墨烯和硼苯等材料中观察到，特别是在早期生长阶段和多层薄膜中

由于微观结构直接影响器件性能，因此减少树枝晶的形成至关重要。然而，研究树突的方法在很大程度上依赖于粗略的视觉分析和主观解释。了解驱动树枝状分支的条件对于优化薄膜生长过程至关重要，但现有的方法通常需要大量的试错

为了应对这些挑战，日本东京科技大学（TUS）材料科学与技术系的Masato Kotsugi教授领导的一个研究小组开发了一种用于分析树枝状结构的创新的可解释人工智能（AI）模型

他们的研究发表在《先进材料科学技术：方法》在线版上

团队成员包括同样来自TUS的Misato Tone和冈山大学的Ippei Obayashi。该团队开发了一种新方法，通过将持久同源性和机器学习与能量分析相结合，在树枝状生长中架起结构和过程的桥梁

Kotsugi教授解释说：“我们的方法为生长机制提供了新的见解，并为优化薄膜制造提供了强大的数据驱动途径。”

为了分析枝晶结构的形态，该团队使用了一种称为持久同源性（PH）的尖端拓扑方法。PH能够对几何结构中的孔和连接进行多尺度分析，捕捉到传统图像处理技术经常忽视的树状枝晶微观结构的复杂拓扑特征

研究人员将PH与主成分分析（PCA）结合起来，这是一种机器学习技术。通过PCA，将通过PH提取的枝晶形态的基本特征简化为二维空间。这使研究小组能够量化树突的结构变化，并建立这些变化与吉布斯自由能之间的关系，吉布斯自由能是指影响晶体生长过程中树突形成方式的材料中可用的能量

通过分析这种关系，他们发现了影响树枝状分支的具体条件和隐藏的生长机制。Kotsugi教授解释说：“我们的框架定量地将树枝晶形态映射到吉布斯自由能变化，揭示了驱动分支行为的能量梯度。”为了验证他们的方法，研究人员研究了六角形铜基板中的树枝晶生长，并将其结果与相场模拟的数据进行了比较

“通过整合拓扑和自由能，我们的方法为材料分析提供了一种通用的方法。通过这种整合，我们可以在各种材料的原子尺度微观结构和宏观功能之间建立层次联系，为材料科学的未来进步铺平道路，”Kotsugi教授说

“重要的是，我们的方法可以开发出高质量的薄膜器件，实现5G以外的高速通信。”

这项研究的框架可以通过揭示隐藏的结构-功能关系和推进复杂系统分析，为传感器技术、非平衡物理和高性能材料的突破铺平道路 More information: Misato Tone et al, Linking structure and process in dendritic growth using persistent homology with energy analysis, Science and Technology of Advanced Materials: Methods (2025). DOI: 10.1080/27660400.2025.2475735