KAIST于9日宣布，该校电气与电子工程系、AI系统学系教授Ji-min Kwon率领的研究团队，联合UNIST、国立Hanbat大学、Hanyang大学以及美国华盛顿大学圣路易斯分校，开发出一项仅凭光学显微镜图像即可自动筛选二维半导体、并可直接对接晶体管制备流程的技术。

二维半导体厚度仅为数个原子层，被视为极具潜力的下一代半导体材料。相较传统硅半导体，这类材料有望实现更小尺寸和更低功耗，未来可应用于AI半导体、智能手机、数据中心、可穿戴设备、可折叠或可拉伸电子设备，以及微型医疗传感器等领域。

不过，通过溶液工艺制备的二维半导体，其薄片的位置、尺寸和厚度各不相同，研究人员通常需要在显微镜下逐一寻找目标样品，并根据薄片位置手动设计电极。这一过程不仅耗时耗力，也限制了大规模器件制备和统计分析的效率。

此次研究以典型二维半导体材料二硫化钼（MoS2）为对象。研究团队利用光学显微镜图像中RGB亮度信息会随厚度变化的特性，使计算机能够自动识别所需薄片，并同步完成电极自动设计。

经原子力显微镜（AFM）验证，该技术可区分3层至8层MoS2薄片的厚度差异。基于这一能力，研究团队已从逾12万片半导体薄片中自动筛选出目标样品，并成功制备、分析1615个晶体管。

研究团队同时证实了厚度与电学性能之间的关系：材料越厚，导电性越强，但开关特性会下降。相关结论基于大规模统计分析得出，也弥补了以往因样本规模有限而难以完成验证的不足。

Ji-min Kwon表示，过去研究人员需要在显微镜下亲自寻找目标二维半导体样品，而此次研究实现了相关流程的自动化。未来有望进一步仅通过显微镜图像预测半导体的电学性能，并为更快开发高性能下一代半导体奠定基础。

本项研究由Ji-min Kwon、Hak-soon Jeong和Yong-woo Lee担任共同通讯作者，UNIST研究员Sang-hyun Lee为第一作者。相关成果已于4月3日发表于材料科学国际期刊《Advanced Functional Materials》，并入选二维材料与电子器件领域“Inside Back Cover”。