近日，课题组研究生在The Journal of Physical Chemistry Letters期刊发表“Active Learning for the Discovery of Binary Intermetallic Compounds as Advanced Interconnects”研究论文。

铜互连在先进集成电路缩小过程中面临电阻率上升和电迁移寿命下降等问题，寻找具有低ρ₀×λ值和高内聚能的新材料成为了关键。本文通过讲密度泛函理论（DFT）与机器学习（ML）方法相结合，加速筛选二元金属间化合物中有潜力的下一代互连材料。

图1 基于主动学习的二元金属间化合物互连材料筛选流程

基于主动学习框架，从352种随机选择的材料开始，在五轮迭代后筛选出100种二元金属间化合物，其中76%表现出优于铜的性能，远高于随机筛选的4.9%。通过可解释机器学习分析关键材料特性，最终确定了六种最具应用前景的候选互连合金材料。开发的方法能高效聚焦于高内聚能、低ρ₀×λ的理想区域，显著提升了下一代互连材料的发现效率，为集成电路互连材料设计提供了新思路。

图2  二元合金随机筛选和基于主动学习筛选效果对比

通过SHAP方法对影响ρ₀×λ值的特征进行可解释机器学习分析，发现二元金属间化合物的ρ₀×λ主要由成分特征决定，而非结构特征。其中，组成元素的门捷列夫数的加权方差（Var.mn）和构成二元金属间化合物的原子体积总和（Sum.av）是最关键的两个描述符：较小的Mendeleev数方差和较小的原子体积总和有助于降低ρ₀×λ，从而提升材料的导电性能和互连应用潜力。

图3 影响互连合金性能的物理特征重要性分析

图4展示了本研究中筛选出的典型新型互连材料，这些材料大多含有铂族元素，表现出优异的导电性和热力学稳定性。分析显示，部分材料具有各向异性或高度对称的费米面分布，可能提升互连性能。尽管部分材料元素稀缺，但其在先进芯片互连中的应用潜力巨大，可通过与铜分层结合使用以减少稀有资源消耗，为未来超小尺寸互连技术提供可行方案。

图4 热力学稳定且极具前景的互连材料的费米面

原文链接：https://pubs.acs.org/doi/10.1021/acs.jpclett.5c00386

论文第一作者为上海交通大学材料科学与工程学院硕士生崔国祥，通讯作者为上海交通大学材料科学与工程学院吴蕴雯副教授、中英国际低碳学院鞠生宏副教授。本研究得到了上海市教委科研项目（2024AIZD012）、上海市国际科技协作项目（No.24160712600）、国家自然科学基金（No. 22472095）资助。