لماذا أصبحت ابتكارات المواد عاملاً حاسماً في تجاوز حدود تحجيم الرقائق؟

لم يعد تصغير الترانزستورات والمكونات وحده كافياً لدفع أداء أشباه الموصلات إلى الأمام. فمع تصاعد الطلب على قدرات الحوسبة المرتبطة بالذكاء الاصطناعي، أصبحت المواد المستخدمة في التصنيع عاملاً يحدد ما إذا كانت بعض البنى الجديدة قابلة للتنفيذ أصلاً، وليس مجرد مدخل يُختار بعد تثبيت تصميم الشريحة.

هذا هو الاستنتاج الرئيسي لتحليل نشرته Semiconductor Engineering في 17 سبتمبر 2026، بقلم Hideaki Okamoto، مدير قسم تطوير الأعمال للجيل الجديد في Mitsubishi Chemical Group. وبوصفها مادة منشورة ضمن قسم Sponsor Blog، تعكس المقالة أيضاً منظوراً صناعياً مرتبطاً بقطاع المواد، ولذلك ينبغي قراءة استنتاجاتها بوصفها تحليلاً لاتجاهات الصناعة لا إعلاناً عن منتج محدد.

من التجربة المتكررة إلى البحث الحسابي

تقليدياً، كان تطوير المواد يعتمد على تصنيع عينة، ثم اختبار خصائصها وتحليل النتائج، قبل تكرار الدورة. ويمكن أن يستغرق تصنيع مرشح واحد أسابيع عندما تكون المادة معقدة، ما يجعل استكشاف عدد كبير من البدائل أمراً بطيئاً ومكلفاً.

يغير ازدياد القدرة الحاسوبية ترتيب هذه العملية. إذ يمكن للمحاكاة أن تسبق التصنيع الفعلي، فتساعد الباحثين على تحديد المرشحين الذين يستحقون الاختبار المخبري. ومع تحسن النماذج وقواعد البيانات الخاصة والموارد الحاسوبية، يصبح ممكناً فحص نطاق أوسع من الخيارات وتحديد مساحات أداء قد لا تكشفها المحاولات التقليدية.

ولا تقتصر قيمة هذا النهج على العثور على نسخة محسنة من مادة قائمة. فقد يكشف مبكراً أن التحسين التدريجي لن يحقق الهدف المطلوب، ما يسمح بالتخلي عن مسار غير منتج وتوجيه الموارد إلى حل مختلف جذرياً. ويصف المقال انتقالاً تدريجياً من استخدام الحسابات كأداة مساعدة إلى الفحص قبل التجربة، ثم الفحص واسع النطاق، وصولاً إلى استخدام الذكاء الاصطناعي في تطوير المواد.

المشكلة ليست في المادة وحدها

تتطلب مواد عقد التصنيع المتقدمة تحقيق شروط متعددة ومتعارضة أحياناً، تشمل الأداء الكهربائي والسلوك الحراري والخصائص الميكانيكية والنقاء والتوافق مع عمليات التصنيع وقابلية الإنتاج بكميات كبيرة. ولهذا يرى التحليل أن التجربة والخطأ وحدهما لن يكونا كافيين مع اتساع مساحة الاحتمالات.

لكن الحسابات لا تحل المشكلة منفردة. فالمادة يجب أن تعمل ضمن عملية ترسيب محددة، وأن تتفاعل بصورة صحيحة مع الطبقات المجاورة، وأن تسهم في الوصول إلى خصائص الجهاز النهائي. لذلك ينتقل تطوير أشباه الموصلات، وفق المقالة، من علاقة خطية بين مورد وعميل إلى تعاون أعمق بين مصنعي الأجهزة وشركات المعدات وموردي المواد.

ويمنح التعاون المبكر الأطراف إمكانية الوصول إلى معرفة عملية لا تظهر عادة في المواصفات الرسمية، مثل تفاعلات العمليات والمقايضات والقيود التي يكتشفها المهندسون أثناء العمل المشترك. غير أن هذا النموذج يتطلب أيضاً تخصيص موارد أكبر في وقت أبكر، بدلاً من زيادة الاستثمار تدريجياً مع انخفاض المخاطر التقنية.

أين تظهر الحاجة إلى مواد جديدة؟

يقدم التحليل عدة أمثلة على المجالات التي قد تقود فيها متطلبات الأنظمة الجديدة إلى انتقالات في المواد. ففي البنى ذات المسافات الدقيقة، قد تستدعي مواصلة تصغير الأجهزة تطوير مواد أولية جديدة لترسيب الأغشية الرقيقة، مع الجمع بين التصميم الجزيئي والفحص الحاسوبي وخبرة العمليات. ويبرز الانتقال من العمليات الرطبة إلى الجافة بوصفه مثالاً على هذا التداخل.

أما في أنظمة الذكاء الاصطناعي، فتتحول حركة البيانات نفسها إلى قيد على الأداء واستهلاك الطاقة. ومع ارتفاع سرعات الإشارات الكهربائية، تزداد الحاجة إلى حلول ضوئية، بما في ذلك الدوائر الضوئية والوصلات الفوتونية. ويشير المقال إلى فرص لمواد موجهات ضوئية شفافة ومواد كهروضوئية عضوية قادرة على تحويل الإشارات بسرعات عالية، مع ضرورة موازنة الأداء البصري وقابلية التصنيع والاعتمادية.

وفي إلكترونيات القدرة، يزيد استهلاك مراكز البيانات للطاقة من أهمية تحويل الطاقة بكفاءة أعلى. ويوفر نيتريد الغاليوم (GaN) إمكانات تشمل مقاومة تشغيل أقل، وتشغيلاً عند جهد مرتفع، وفقداً أقل للطاقة مقارنة بالحلول التقليدية القائمة على السيليكون. لكن تحقيق هذه المزايا على نطاق واسع يتطلب ركائز GaN عالية الجودة وفعالة من حيث التكلفة، إلى جانب عمليات قابلة للتوسع.

ما الذي يتغير عملياً؟

الرسالة الأهم للقارئ التقني هي أن المواد تدخل بصورة متزايدة في مرحلة تحديد بنية النظام، بدلاً من أن تكون مجرد عنصر لاحق في سلسلة التصنيع. وهذا يرفع أهمية البيانات التجريبية المتراكمة، لأن النماذج الحاسوبية والذكاء الاصطناعي لا يمكنهما تعويض نقص البيانات الموثوقة بسهولة. كما يجعل التعاون بين أطراف سلسلة القيمة جزءاً من القدرة التقنية والاستراتيجية، لا مجرد ترتيب توريد.

مع ذلك، لا يقدم المصدر نتائج كمية أو أمثلة على مواد وصلت فعلياً إلى الإنتاج التجاري باستخدام هذه المنهجيات. كما لا يحدد جداول زمنية أو تكاليف أو عقبات تنظيمية لكل مسار. لذلك يبقى الاستنتاج المؤكد هو اتجاه الصناعة نحو دمج المحاكاة والبيانات والتعاون المبكر، بينما تظل سرعة انتقال هذه الأفكار من المختبر إلى التصنيع واسع النطاق سؤالاً مفتوحاً.

قراءة certi.news: ما يتغير فعلاً ليس استبدال المختبر بالحاسوب، بل إعادة توزيع العمل بينهما. فالمحاكاة قد تقلص عدد التجارب غير الواعدة، لكن قابلية التصنيع والتوافق بين المادة والمعدات والطبقات المجاورة ستظل بحاجة إلى تحقق عملي. وإذا صحت أطروحة المقال، فإن الشركات التي تمتلك بيانات مواد عالية الجودة وتشارك مبكراً في خرائط تطوير الشرائح ستكون في موقع أفضل لاكتشاف القيود قبل أن تتحول إلى عائق في التصميم أو الإنتاج.