KAIST ngày 9/7 cho biết nhóm nghiên cứu do giáo sư Kwon Ji-min, thuộc Khoa Kỹ thuật Điện và Điện tử kiêm Khoa Hệ thống AI, dẫn dắt đã phát triển công nghệ tự động sàng lọc bán dẫn 2D chỉ từ ảnh hiển vi quang học và tích hợp trực tiếp với quy trình chế tạo transistor. Nghiên cứu được thực hiện cùng UNIST, Đại học Quốc gia Hanbat, Đại học Hanyang và Đại học Washington tại St. Louis (Mỹ).

Bán dẫn 2D là vật liệu siêu mỏng, chỉ dày vài lớp nguyên tử. Nhờ khả năng tạo ra linh kiện nhỏ hơn và tiêu thụ ít điện năng hơn so với bán dẫn silicon, vật liệu này được xem là “bán dẫn trong mơ”. Trong tương lai, bán dẫn 2D được kỳ vọng sẽ được ứng dụng trong nhiều lĩnh vực như chip AI, smartphone, trung tâm dữ liệu, thiết bị đeo, điện tử gập hoặc co giãn và cảm biến y tế siêu nhỏ.

Tuy nhiên, với bán dẫn 2D được tạo ra bằng quy trình dung dịch, các mảnh vật liệu thường có vị trí, kích thước và độ dày khác nhau. Vì vậy, các nhà nghiên cứu phải quan sát thủ công qua kính hiển vi để tìm đúng mẫu mong muốn, sau đó tiếp tục thiết kế điện cực tương ứng với từng vị trí. Quy trình này tốn nhiều thời gian, công sức và gần như không thể áp dụng nếu cần phân tích đồng thời hàng nghìn linh kiện.

Để giải quyết bài toán này, nhóm nghiên cứu sử dụng molybdenum disulfide (MoS2), một vật liệu bán dẫn 2D tiêu biểu. Tận dụng đặc tính giá trị RGB quan sát qua kính hiển vi thay đổi theo độ dày vật liệu, nhóm đã xây dựng phương pháp cho máy tính tự động tìm mẫu bán dẫn theo yêu cầu và tự động thiết kế điện cực.

Kết quả đối chiếu bằng kính hiển vi lực nguyên tử (AFM) cho thấy công nghệ này có thể phân biệt cả chênh lệch độ dày rất nhỏ trong khoảng 3-8 lớp. Từ đó, nhóm tự động sàng lọc được các mẫu phù hợp trong hơn 120.000 mảnh bán dẫn, đồng thời chế tạo và phân tích thành công 1.615 transistor.

Nhóm nghiên cứu cũng xác nhận mối liên hệ giữa độ dày vật liệu và hiệu năng điện. Cụ thể, khi bán dẫn dày hơn, khả năng dẫn điện cải thiện nhưng đặc tính bật/tắt lại suy giảm. Theo KAIST, xu hướng này đã được làm rõ thông qua phân tích thống kê trên tập dữ liệu lớn, thay vì chỉ dựa vào số lượng mẫu hạn chế như trước đây.

Giáo sư Kwon Ji-min cho biết trước đây các nhà nghiên cứu phải tự tìm mẫu bán dẫn mong muốn dưới kính hiển vi, trong khi nghiên cứu lần này đã tự động hóa toàn bộ quy trình đó. Ông nói thêm rằng về lâu dài, công nghệ này có thể tiến tới dự đoán hiệu năng điện của bán dẫn chỉ từ ảnh hiển vi, qua đó tạo nền tảng để đẩy nhanh phát triển các thế hệ bán dẫn tiên tiến.

Nghiên cứu có ba đồng tác giả liên hệ gồm giáo sư Kwon Ji-min, tiến sĩ Jeong Hak-soon và tiến sĩ Lee Yong-woo; tác giả thứ nhất là nhà nghiên cứu Lee Sang-hyun của UNIST. Kết quả đã được đăng trên tạp chí quốc tế về khoa học vật liệu Advanced Functional Materials ngày 3/4/2026, đồng thời được chọn đăng mục Inside Back Cover trong lĩnh vực vật liệu 2D và linh kiện điện tử.