机器学习在原子制造中的应用：现状、挑战与展望

单斌1，羡秭琪1，文艳伟1，陈蓉２（1.华中科技大学材料科学与工程学院；2.华中科技大学机械科学与工程学院）

摘要：随着半导体制造向原子尺度推进，纳米器件对材料种类和沉积精度的要求不断提升。原子层沉积与原子层刻蚀作为实现原子尺度精确控制的核心技术，正面临工艺参数高维度化和反应机制复杂化的挑战。传统的实验和模拟手段难以满足高通量筛选和高精度优化需求，而机器学习技术的迅速发展为解决这一问题提供了全新的范式。本文系统综述了机器学习方法在前驱体设计、反应路径预测、薄膜沉积参数优化及过程控制等方面的最新研究成果，阐述了机器学习与计算材料科学相结合在提高建模效率、提升预测精度和实现智能化工艺控制方面的显著优势。同时，分析了现阶段机器学习应用中面临的泛化性不足、数据稀疏、跨尺度融合难题等主要挑战，展望了未来融合物理信息、多尺度模型和语义数据平台等前沿技术的应用前景，以期实现原子制造领域从离线预测到在线智能控制的转型。

关键词：原子层沉积；原子层刻蚀；机器学习；前驱体设计；工艺优化