日本NTT于8月25日宣布，成功验证了结合AI与机器人技术的“可解释自主成膜”技术，首次通过溅射法制备出被视为次世代功率半导体材料的β型氧化镓高品质单晶薄膜。
该技术属于利用AI加速科学研究的“AI for Science”领域，不仅仅是黑箱式的条件探索优化，更能提取人类可理解并应用的科学知识，打造下一代AI驱动实验室。相关研究成果已于8月13日发表在科学期刊《Nature Communications》上。
近年来，借助机器学习和机器人技术的自主实验推动了材料开发和物性研究的高速发展。但据日本NTT物性科学基础研究所多元材料创造科学研究部特别研究员若林勇希介绍，传统自主实验仍面临两大难题：
- AI虽能找到最优条件，但无法解释为何该条件优越，导致优化结果难以迁移到其他材料或设备上。
- 自主实验多在常温常压等易控环境下进行，而半导体开发所需的真空、高温等极限环境下的薄膜生长技术尚不成熟。
为解决这些问题，NTT构建了一个自主成膜系统，整合了溅射成膜设备、机器人臂基板搬运、自动光学测量、自动分析及基于贝叶斯优化的实验条件决策。该系统无需人工干预，自动循环完成成膜到评估过程，开发速度较传统人工实验提升约3倍。
实验对象选定了全球范围内积极研发的超宽禁带半导体——β型氧化镓。虽然溅射法实现大面积低成本高品质外延生长技术难度大，但通过自主探索，仅用56次成膜实验便达成高品质条件，首次实现了溅射法制备的单晶薄膜。
此次研究的最大亮点在于，利用集成机器学习方法随机森林分析优化过程数据，将黑箱优化结果转化为人类可理解的成膜规则。通过解析温度、溅射功率、氩气流量、氧气流量等多维参数，明确了各参数贡献度及温度与氧气流量间的相互作用。
基于提取的简洁成膜规则，研究人员进行了人工再优化，成功获得比AI和机器人单独优化更高品质的成膜条件。这证明了AI黑箱优化结果可升华为科学知识，并在后续实验中发挥实际作用。
展望未来，NTT计划验证掺杂载流子的薄膜制备等，进一步探索β型氧化镓作为功率电子材料的应用潜力。更远期目标是打造“自主科学实验室”，让AI自主发现问题、生成假设并通过实验验证，实现完全自主的科学研究。
若林勇希表示，目前已达到自主实验知识获取的三级（L3）水平，预计未来2至3年内可实现包含AI假设生成与更新的四级（L4）水平。
随着AI驱动实验室的不断进化，材料与半导体研发效率将大幅提升，为节能社会和下一代电子设备的实现贡献力量。
