NTT 用 AI 驅動型實驗室探索 β-Ga₂O₃ 半導體薄膜

NTT 在 8 月 25 日宣布，已實證一套結合 AI、機器人與自動測量的「可解釋自律成膜」技術，用於探索下一代功率半導體材料 β-Ga₂O₃，也就是 β 型氧化鎵。

AI 驅動型實驗室怎麼運作？

系統會自動執行薄膜沉積、基板搬運、光學測量與資料分析，再根據結果決定下一輪實驗條件。NTT 表示，與研究人員主導的傳統流程相比，成膜與評估週期約可加快至 3 倍。

這代表研究人員可以把更多時間放在問題定義、結果判讀與製程轉用，而不是反覆手動執行相同的實驗步驟。

傳統機器學習最佳化往往會得到一組有效參數，卻很難解釋它為什麼有效。當材料、設備或環境改變時，原本的最佳結果也不一定能直接套用。

NTT 分析溫度、濺鍍功率、氬氣流量與氧氣流量等條件，整理參數影響與交互關係，再把資料轉換為人可以理解的成膜規則。

NTT 表示，系統成功以濺鍍法製作 β-Ga₂O₃ 高品質單晶薄膜，這是該方法的世界首例。AI Watch 報導指出，系統透過 56 次成膜實驗找到高品質條件。

相關研究已在 8 月 13 日刊登於《Nature Communications》。目前這仍是研究成果，不代表材料已經進入商業量產。

這項成果顯示，AI 在科學研究中的角色正從「替研究人員跑參數」往「協助整理可轉用知識」發展。對材料、化學與半導體研究而言，能解釋與轉移的結果，通常比單次找到最佳分數更有價值。