Geleneksel kızılötesi sensörler olan mikrobolometreler, sıcaklık değişimlerine bağlı direnç farklılıklarını elektriksel sinyallere dönüştürerek çalışır. Profesör Changhee Sohn ve Hyeong-Ryeol Park liderliğindeki ekip, bu süreçte hassasiyetiyle bilinen ancak kararlılık sorunları yaşayan vanadyum dioksit (VO₂) malzemesine odaklandı.
1,3 MİLYON OLASILIK ARASINDAN ENERJİ VERİMLİ ÇÖZÜM
Araştırmacılar, vanadyum dioksit katmanlarının kalınlığını ve tungsten konsantrasyonunu optimize etmek için ‘Genetik Algoritma’ adı verilen bir yapay zeka yöntemi kullandı. 1,3 milyondan fazla olası yapılandırmayı analiz eden yapay zeka, sinyal dalgalanmalarını ve histerezis sorunlarını ortadan kaldıran dört katmanlı mükemmel konfigürasyonu belirledi.
YARI İLETKEN ÜRETİMİNDE MALİYET VE GÜVENLİK AVANTAJI
Bu buluşun endüstriyel açıdan en kritik yönü, üretim sıcaklığıdır. Mevcut VO₂ bazlı sensörler 500o C’nin üzerinde işlem gerektirirken ve bu durum hassas devrelere zarar verebilirken, yeni çok katmanlı filmler sadece 300o C gibi düşük sıcaklıklarda üretilebiliyor. Bu özellik, teknolojinin mevcut yarı iletken üretim hatlarına doğrudan ve düşük maliyetle entegre edilmesini mümkün kılıyor.
OTONOM ARAÇLARDAN ERKEN VİRÜS TESPİTİNE
Yeni nesil sensörlerin kullanım alanları, ticari ve stratejik açıdan devasa bir potansiyel taşıyor:
Profesör Sohn, yapay zekanın malzeme geliştirme sürecini radikal şekilde kısalttığını vurgulayarak; "Bu atılım, otonom sürüşten büyük ölçekli termal izlemeye kadar geniş bir yelpazede termal görüntüleme teknolojisinde devrim yaratabilir" açıklamasında bulundu.