开始日期: 2024-06-29
课时安排: 7周在线小组科研学习+5周不限时论文指导学习
适合人群
适合年级 (Grade): 大学生及以上
适合专业 (Major): 电子工程、芯片设计、半导体材料、材料物理、物理电子学、微电子与固体电子学、光电子与光子学技术等专业或者希望修读相关专业的学生;
学生需要具备基础物理、电磁学、电路设计基础
建议选修: EEE电子与电气工程核心：电路与电子器件
导师介绍
Deep
宾夕法尼亚大学 (UPenn)终身教授
Deep 教授是宾夕法尼亚大学材料科学与工程学院的终身教授。他为二维 (2D) 半导体的电荷传输和电子应用研究做出了贡献，并在西北大学开创了栅极可调、混合维、范德瓦尔斯异质结构的研究。 2015 年 8 月，Deep 作为雷斯尼克奖博士后研究员加入加州理工学院，其目标是研究增强高效、超薄光电设备二维系统中光-物质相互作用的策略。 Deep 的研究位于固态光电和新兴低维材料的交叉点，结合了组装、生长和集成纳米结构材料的新技术，包括分子材料和最先进的纳米制造方法，以创造新型电子和光子器件。曾获得材料前沿奖，Frontiers of Engineering 美国工程院受邀者，陆军研究办公室青年研究员计划(YIP)奖，纳米材料青年研究员奖，ACS Nano Letters 早期职业编辑顾问委员会，Peter and Susanne Armstrong荣誉杰出学者，福布斯 30 岁以下科学领域 30 位青年科学家，美国科学研究荣誉学会Sigma Xi正式会员，美国真空学会 (AVS) 纳米级科技部早期职业奖等荣誉称号。
任职学校
宾夕法尼亚大学(University of Pennsylvania;UPenn)创立于1740年，是世界著名私立研究型大学、常春藤盟校之一、美国大学协会14所创始院校之一、美国第四古老的高等教育机构。宾夕法尼亚大学在2020年U.S.News美国大学综排位列第6，THE美国大学综排位列第4。
项目背景
人工智能芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块。人工智能芯片可通过模仿人脑神经网络结构，用一条指令即可完成一组神经元的处理。这一计算模式在做识别图像等智能处理时，效率比传统芯片高几百倍。目前人工智能芯片已经广泛应用于图像识别、语音识别、智能安防、智能驾驶、消费类电子等领域。
项目介绍
本项目将从半导体中的固体物理基础开始，主要包括半导体的电子带结构和光相互作用/光学性质的原理，并特别关注低维半导体，如碳纳米管、III-V量子阱、2D半导体、石墨烯以及量子点。随后课程将介绍纳米级器件，即p-n结，场效应晶体管以及传感器，这部分课程的重点将是理解纳米尺度的静电学以及材料和器件中的传输理论，涵盖纳米级晶体管和量子受限材料中的弹道传输理论。还将讨论存储设备的基本概念，如果时间允许，也会讨论光的物理学和运动传感器。在介绍设备之后，课程将进一步介绍纳米制造技术，包括光刻技术和半导体制造的进展，有助于制造用于现代计算机和服务器的最新高性能芯片。在纳米制造和制造之后，导师将更多地介绍纳米电子硬件的当前趋势，用于人工智能和机器学习应用程序的大数据处理，包括低功耗/资源的边缘计算。将详细讨论存储设备、低功耗逻辑设备以及它们如何在模式识别等机器学习应用中协同工作。项目旨在于目为学生提供与计算过程和制造相关的基本物理框架，以及高性能节能大数据计算的硬件需求。讨论的具体器件包括晶体管、存储器件和传感器(包括光电探测器和MEMS)。
项目大纲
纳米级半导体及其特性 Nanoscale semiconductors and their properties
纳米级电子器件和传输、光与物质相互作用 Nanoscale electronics devices and transport + Light-Matter interactions
pn结型二极管p-n与光电器件 junction diode, Optoelectronic devices
晶体管、存储设备与传感器Transistors, memory devices and sensors
纳米电子硬件的当前趋势以及在人工智能和大数据中的应用 Current trends in nanoelectronics hardware and application to AI and big-data applications
学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路，内容详见大纲 Research Workshop I
学术研讨2：学生将在本周课前完成初步文献回顾，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出，内容详见大纲 Research Workshop II
项目成果展示 Final Presentation
论文指导 Project Deliverables Tutoring
项目收获
7周在线小组科研学习+5周不限时论文指导学习 共125课时
项目报告
优秀学员获主导师Reference Letter
EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)
结业证书
成绩单
