Позабыты хлопоты, остановлен бег, Вкалывают роботы, а не человек.

Хочу рассказать о способах автоматизации части своей работы. Вчера я присутствовал на заседании научного клуба при МФТИ и выложил сегодня пост-релиз. Хотя я его выложил вечером, отправить его надо было утром, чтобы согласовать все цитаты и правки, и выложить его хотя бы к вечеру на официальном сайте.

До появления современных средств автоматизации труда это потребовало бы бессонной ночи и заметных усилий. Сейчас же происходило следующим образом.

На самом заседании клуба я включил приложение "диктофон" на своем планшете, положил его на стол перед собой и делал ручкой пометки с тайм-кодами, кто говорит.

Затем я пришел домой поздно вечером, выгрузил с планшета на компьютер аудиозапись, запустил свою программу (навайбакодил ее несколько месяцев назад) и пошел спать, так как ей там было работы на несколько часов. Эта программа распознала всю аудиозапись и провела интеллектуальную расшифровку и анализ, используя нейросеть Whisper и вызывая Gemini через API, используя заранее написанный в ней промпт + мои записи с тайм-кодами.

Отдельно отмечу, что качество полученной аудиозаписи было настолько низкое, что человеку практически невозможно разобрать, что там записано, даже на максимальной громкости - диктофон далеко от спикеров, близкие шумы звучали громко, в здании очень плохая акустика. Но это нисколько не помешало современному ИИ выполнить свою работу.

Проснувшись утром, я получил ворд-документ с анализом происходящего. Затем открыл Gemini, загрузил в него этот анализ, файл с дословной расшифровкой (для точных цитат в пост-релизе) и образец требуемой структуры пост-релиза, на выходе получил готовый пост-релиз. Проверив, что никаких ошибок или глюков не было, я чуть-чуть подредактировал текст, вручную указал все звания и регалии докладчиков, и отправил в таком виде начальству. Работа была закончена, все остались довольны результатом.

Ниже анализ аудио-файла, который компьютерная программа сделала за ночь, пока я просто спал.

Это не дословная расшифровка и не цитаты, а краткий пересказ того, что говорили спикеры - я специально прописал в промпт сокращать речь и пересказывать суть. Могу отметить, что почему-то доклады Казанцева и Большакова были сокращены во много раз. Говорили они много, а нейросеть превратила речь каждого из них в небольшой абзац. Причем, насколько я помню их выступления, ничего существенно важного для пост-релиза потеряно не было.

Причем такое качество - это заслуга именно Gemini, типичный кусочек из дословной расшифровки с помощью Whisper выглядит так:

"make sure that you can make sure that you can make sure that you can make sure that you can make sure that you can make sure that you can make sure that you can make sure that Да, спасибо, но и я на самом деле плохо понимаю, как можно залезть в 15 минут раскачать, а совершенно рации в 20-х луке, поэтому все будет очень гунктенно и поиска, а остальное лава уже не было. Это значит для начала, чтобы вы в какой-нибудь представлении. Вот это есть такая герамината первая часть, которая называется матферферрирует гераркий типу памяти. Значит, вирует герарный тип, это очень быстро и нагрязательно. Напрязательно, значит, вы оключите питание, информация, охотание. И очень дорогая память. познавание очень медленное, очень лёгкое, очень дешёвное. Ну, значит, совсем познавание — это мандитные религии, которые по спрятатуратам, а здесь... которые сейчас страшны и страшны тропатели, если понятно, что и когда все больше и больше запоминает видео, если я не говорю о информации. А сверху — это те условия, которые пользуются при процессе, чтобы армии, да с ними информации, конечно. А где-то в середине — это называется армии. То есть, армии была сохранена — это сравнительно. Это знаменитая функция, можно вызареться манутшим и организациям. Ваше ресурсом вызареться по 1 стим. Ну вот такая идея из-за взрослого, которая всегда поменит, которая поменит, которая поменит".

Отдельно добавлю, что с помощью Gemini можно сделать реконструкцию и дословных речей, если есть такая необходимость, а не только пересказ смысла речи.

Аналитический отчет по расшифровке аудио

1. Краткое содержание (Executive Summary)

Данный документ представляет собой анализ серии докладов, посвященных состоянию и перспективам развития передовых направлений микроэлектроники и материаловедения в России. Мероприятие объединило экспертов, осветивших как фундаментальные научные разработки, так и острые проблемы их промышленного внедрения.

Алексей Большаков рассказал о законе Мура и двумерных технологиях и материалах, которые приходят на смену кремнию. Андрей Зенкевич представил обзор энергонезависимой сегнетоэлектрической памяти (FeRAM), отметив ее долгий путь от открытия до коммерциализации и новые перспективы, связанные с диоксидом гафния. Сергей Пономаренко рассказал о достижениях в области органической электроники, подчеркнув ее преимущества — гибкость, легкость и биосовместимость, которые уже реализованы в OLED-дисплеях и находят применение в биосенсорах и солнечной энергетике. Ансар Сафин погрузил аудиторию в мир спинтроники на антиферромагнетиках, объяснив, как эти материалы позволяют создавать устройства, работающие в терагерцовом диапазоне, что открывает путь к сверхбыстрым системам связи. 

Иван Круглов продемонстрировал революционный потенциал искусственного интеллекта в материаловедении, показав, как машинное обучение ускоряет поиск и создание новых материалов с заданными свойствами — от 2D-кристаллов до жаропрочных сталей. Виктор Казанцев рассказал про нейробиоморфные технологии. Алексей Фаустов с индустриальным анализом, в котором он обозначил ключевые барьеры: технологическое отставание (литография), отсутствие доступа к глобальным САПР (EDA) и разрыв между наукой и промышленностью из-за отсутствия долгосрочных стратегий. В качестве одного из наиболее реалистичных и перспективных направлений для России он выделил интегральную фотонику.

2. Ключевые тезисы

• Перспективные технологии памяти: Сегнетоэлектрическая память (FeRAM) на основе диоксида гафния является перспективной энергонезависимой технологией, совместимой с существующими КМОП-процессами (back-end-of-line), что открывает возможности для создания отечественных чипов памяти и нейроморфных систем.

• Потенциал органической электроники: Органические полупроводники лежат в основе гибких, легких и прозрачных устройств (OLED, солнечные батареи, биосенсоры). Их ключевые преимущества — возможность дешевого печатного производства и биосовместимость для медицинских применений.

• Будущее за спинтроникой: Антиферромагнетики позволяют создавать устройства спинтроники (генераторы, детекторы), работающие на терагерцовых частотах. Это на порядки превосходит возможности традиционной электроники и открывает путь к новому поколению систем беспроводной связи (6G и далее).

• ИИ как инструмент ученого: Искусственный интеллект и машинное обучение кардинально ускоряют процесс открытия и синтеза новых материалов, позволяя целенаправленно создавать соединения с уникальными свойствами, превосходящими известные аналоги.

• Критические барьеры для промышленности: Главными препятствиями для развития отечественной микроэлектроники являются технологическое отставание в литографии, зависимость от зарубежных САПР (EDA-систем) и отсутствие долгосрочных (10-15 лет) стратегий и инвестиций со стороны индустрии.

• Фотоника как стратегическое направление: Интегральная фотоника является одним из наиболее перспективных направлений для России, так как ее производство можно развернуть на существующих кремниевых фабриках, создавая конкурентоспособные продукты для телекоммуникаций, лидаров и вычислительных систем.

3. Словарь ключевых терминов

4. Обсуждавшиеся вопросы и задачи

• Задача: Разработать и внедрить отечественную технологию сегнетоэлектрической памяти, интегрируемую в существующие техпроцессы методом BEOL.

• Вопрос: Как повысить подвижность носителей заряда в органических полупроводниках, чтобы создавать на их основе более производительные устройства, помимо дисплеев?

• Задача: Снизить критическую плотность тока, необходимую для работы спинтронных устройств на антиферромагнетиках, с целью повышения их энергоэффективности.

• Задача: Разработать и внедрить платформы на основе ИИ для ускоренного поиска и валидации новых материалов с заданными свойствами для нужд промышленности.

• Вопрос: Как преодолеть разрыв между научными разработками и промышленным внедрением в условиях санкций и отсутствия доступа к передовым технологиям (литография, EDA)?

• Задача: Сформировать долгосрочную (на 10-15 лет) государственную и индустриальную стратегию развития микроэлектроники, сфокусированную на нишевых и перспективных направлениях, таких как фотоника.

• Вопрос: Как создать условия, при которых промышленные предприятия будут готовы инвестировать в долгосрочные R&D проекты, не приносящие быстрой прибыли?

5. Отредактированная версия текста (для публикации и чтения)

Егор Быковский (вступительное слово)

Добрый день, уважаемые коллеги, друзья! Рад приветствовать вас на очередной встрече нашего научного клуба. Сегодняшняя тема — «Будущее электроники» — чрезвычайно важна. Мы видим, как стремительно меняется технологический ландшафт, и России необходимо найти в нем свое место. Сегодня мы услышим о самых передовых разработках — от новых типов памяти до материалов, созданных искусственным интеллектом. Надеюсь на живую и плодотворную дискуссию.

Алексей Большаков: От кремния к 2D-материалам: смена парадигмы в микроэлектронике и фотонике 

На слайде изображена известная диаграмма, иллюстрирующая закон Мура. Но развитие кремниевой электроники дошло до 3 нм и уперлось в физические ограничения. Дальнейшая революция возможна за счет смены парадигмы. Многообещающую альтернативу представляют двумерные материалы, такие как графен – плоский углеродный кристалл, толщиной всего в один атом. Обладающий рекордной проводимостью, прозрачностью и низким коэффициентом поглощения света, такой материал дает множество преимуществ. В частности, он позволит создавать ультратонкие, гибкие и при этом прочные электронные приборы. Пределы кремниевых технологий могут преодолеть транзисторы на графене, фотонные интегральные схемы, двумерные гетероструктуры Ван-дер-Ваальса. Для бизнеса это означает практическую революцию в ключевых отраслях. В телекоммуникациях переход на 2D-материалы позволит на порядок увеличить скорость передачи данных для сетей 6G и дата-центров. В потребительской электронике их гибкость является ключом к созданию нового поколения небьющихся гибких дисплеев и носимой «умной» одежды. А в медицине эти материалы уже становятся основой для сверхчувствительных сенсоров для экспресс-диагностики и таргетной терапии рака.

Андрей Зенкевич: Энергонезависимая память и сегнетоэлектрики

Добрый день. Я постараюсь за 15 минут очень сжато рассказать о своей области. Для начала, чтобы было общее представление, взглянем на так называемую иерархию памяти. На вершине пирамиды находится очень быстрая, но энергозависимая и дорогая память — та, с которой непосредственно работает процессор. Энергозависимая означает, что при отключении питания информация исчезает. В основании пирамиды — очень медленная, но чрезвычайно емкая и дешевая память, например, магнитные ленты в дата-центрах, где хранятся огромные объемы данных.

Где-то посередине находится основная память, например, всем известная флеш-память. И сегодня я расскажу о сегнетоэлектриках — материалах, которые могут занять важное место в этой иерархии.

Впервые сегнетоэлектрические свойства были обнаружены в кристаллах со структурой перовскита. Суть эффекта в том, что эти материалы обладают остаточной поляризацией: после приложения и снятия электрического поля в них сохраняется электрический дипольный момент, который может быть направлен «вверх» или «вниз». Эти два состояния и используются для кодирования бита информации — «0» и «1». Таким образом, создается энергонезависимая память.

Путь от фундаментального открытия до коммерческого продукта был долгим. Первые макеты были созданы еще в 50-х годах, но только спустя 40 лет удалось разработать коммерчески успешные устройства. Важный прорыв произошел, когда научились создавать тонкие пленки сегнетоэлектриков.

Ключевым моментом стало то, что сегнетоэлектрические материалы удалось интегрировать в стандартную КМОП-технологию. Однако настоящий всплеск интереса произошел в 2019 году, когда несколько исследовательских групп обнаружили сегнетоэлектрические свойства в диоксиде гафния — материале, который уже широко использовался в микроэлектронике в качестве диэлектрика затвора. Это открытие было революционным, потому что диоксид гафния полностью совместим с существующими технологическими процессами. Пленки могут быть очень тонкими, вплоть до нескольких нанометров, что позволяет создавать очень компактные ячейки памяти.

Именно на этой технологии сейчас основана разработка отечественной коммерческой сегнетоэлектрической памяти. Все понимают, что отечественная микроэлектроника сильно отстает. Но вместо того, чтобы пытаться строить с нуля сверхсовременные фабрики, можно на существующих мощностях внедрять новые, прорывные устройства.

Здесь нам на помощь приходит так называемый back-end-of-line (BEOL) процесс. Это технология, при которой ячейки памяти формируются в верхних слоях микросхемы, над уже готовыми транзисторами. Это дает огромное преимущество: память располагается непосредственно над логикой, что исключает задержки при передаче данных и значительно повышает производительность и энергоэффективность. Такие чипы называют «вычисления-в-памяти» (in-memory computing).

В заключение хочу сказать, что эти же устройства являются идеальной элементной базой для создания искусственного интеллекта, а именно нейроморфных систем. Google прогнозирует, что в ближайшие 20 лет для работы ИИ-моделей потребуются сотни гигаватт энергии. Можно моделировать синапсы и нейроны на обычных цифровых схемах, но это неэффективно. А можно создавать их физические аналоги, и сегнетоэлектрические устройства идеально подходят на роль искусственных синапсов. Спасибо за внимание.

(Аплодисменты)

Сергей Пономаренко: Перспективы органической электроники

Добрый день. Я хотел бы сегодня рассказать об электронике на основе органических полупроводников.

Что это такое? Мы привыкли, что органические материалы — это диэлектрики, изоляторы. Но существуют органические молекулы с так называемой системой сопряженных связей, которые способны проводить электрический ток. Примерами таких молекул являются бета-каротин (пигмент в моркови) или краситель индиго. В отличие от кремния, где носители заряда (электроны и дырки) создаются легированием, в органических полупроводниках они инжектируются с электродов.

Что же такое органическая электроника на практике? Большинство дисплеев в современных смартфонах сделаны по технологии OLED (Organic Light-Emitting Diodes) — это как раз светодиоды на основе органики. Существует множество прототипов: гибкие солнечные батареи, телевизоры, сворачивающиеся в рулон, прозрачные фотосенсоры.

Ключевые преимущества органической электроники — это легкость, гибкость, энергоэффективность и, что очень важно, возможность нанесения этих материалов методами печати, что делает производство потенциально очень дешевым. Конечно, есть и недостатки. Главный из них — подвижность носителей заряда пока ниже, чем в кремнии, поэтому делать из них процессоры невозможно. Также они чувствительны к кислороду и влаге, поэтому требуют герметизации.

Основные устройства — это органические полевые транзисторы и диоды. Диоды могут либо излучать свет (OLED), либо поглощать его (фотодиоды). Из первых делают дисплеи, из вторых — солнечные батареи и детекторы. Для работы транзистора достаточно одного слоя органического полупроводника толщиной всего в несколько нанометров, причем химики научились синтезировать молекулы, которые сами собираются в такие упорядоченные слои.

Органические светодиоды (OLED) уникальны тем, что свет излучает вся их поверхность, а не отдельная точка, как в неорганических. Именно на этой технологии работают дисплеи Samsung. Третье важное направление — органические солнечные батареи. Они легкие (органики нужно в 30 раз меньше по толщине, чем кремния), могут быть гибкими, прозрачными и разноцветными. Особенно эффективно они работают при комнатном освещении.

И последнее, о чем я хотел сказать, — это органическая биоэлектроника. Это направление объединяет биологические объекты (клетки, белки) и электронные устройства. Поскольку органические транзисторы могут работать в водной среде, они идеально подходят для создания биосенсоров. Например, с их помощью можно детектировать сверхмалые, фемтомолярные концентрации антител к вирусам.

В заключение хочу процитировать Рэя Курцвейла, который предсказал, что в будущем мы не будем отличать людей от киборгов. На мой взгляд, в этой трансформации без органической электроники не обойтись, ведь она биосовместима и может служить идеальным интерфейсом между живыми тканями и электроникой. Спасибо.

Ансар Сафин: Спинтроника и терагерцовая электроника

Добрый день. Я расскажу о новых вещах, а именно о терагерцовом диапазоне. Это область частот между микроволнами и инфракрасным светом, и у нас здесь есть серьезные проблемы с элементной базой — не хватает компактных и эффективных источников и приемников излучения. Для решения этой проблемы существует направление под названием спинтроника. Она использует не заряд электрона, а его спин — собственный магнитный момент.

Традиционная спинтроника, на которой основана, например, память MRAM, использует ферромагнитные материалы. Их проблема в том, что рабочая частота ограничена десятками гигагерц и для управления ими требуется внешнее магнитное поле.

Но есть и другой класс материалов — антиферромагнетики. В них магнитные моменты соседних атомов направлены в противоположные стороны. Их уникальное свойство заключается в том, что их собственные частоты резонанса лежат как раз в терагерцовом диапазоне. Это открывает путь к созданию компонентной базы для терагерцовой электроники: генераторов, детекторов, модуляторов.

Толчком к развитию послужила теоретическая работа 2014 года, в которой была предложена структура из двух слоев: антиферромагнетик и платина. Если пропустить через платину электрический ток высокой плотности, спины электронов инжектируются в антиферромагнетик, и при определенной плотности тока в нем возникают устойчивые колебания на терагерцовой частоте — так работает генератор. Мы в своих работах показали, что частотой этой генерации можно управлять, изменяя плотность тока.

Мы также исследовали различные материалы и показали, что можем создавать устройства, работающие в диапазоне от 1 до 1.25 ТГц. Кроме генераторов, мы научились делать и детекторы терагерцового излучения.

Однако есть серьезная проблема: для работы этих устройств требуется очень высокая плотность тока, порядка 10⁷–10⁸ А/см², что ведет к большому энергопотреблению и нагреву. Одна из возможностей снизить этот порог — использование пьезоэлектрических материалов для управления магнитными свойствами. Еще одна задача — крайне малая выходная мощность таких генераторов, порядка нановатт. Поэтому сейчас мы работаем над синхронизацией массивов таких осцилляторов, чтобы объединить их мощность. Спасибо.

Иван Круглов: Искусственный интеллект для создания новых материалов

Наша лаборатория компьютерного дизайна материалов изначально занималась поиском новых материалов с заданными свойствами и разработкой моделей для их поиска и исследования структуры. Сейчас мы продолжаем эти исследования, используя модели машинного обучения для разработки тысяч новых материалов для микроэлектроники, различных сплавов и металлов для атомной промышленности. Мы также разрабатываем новые методы поиска материалов на основе машинного обучения. Найти материалы, которые ранее не существовали, с помощью таких моделей – сложная задача, но нам это удалось.

Рассмотрим два примера. Первый – работа, завершенная в прошлом году. Мы исследовали ван-дер-ваальсовы материалы. В качестве примера можно привести графит – это ван-дер-ваальсов материал со слоистой структурой: сильная связь внутри слоев и слабая между ними. Аналогично, в гетероструктурах из дихалькогенидов переходных металлов и графита используется взаимодействие ван-дер-ваальсовых сил. Этот класс материалов очень обширен: они могут быть полупроводниками, металлами или обладать магнитными свойствами. Они рассматриваются в качестве замены кремния в электронике. Нас интересовал поиск ван-дер-ваальсовых материалов с заданными оптическими свойствами, в частности, высоким коэффициентом преломления, определяющим искажение света при прохождении через материал. Такие материалы позволяют создавать оптические устройства: поляризаторы, волноводы и т. д.

Мы разработали базу данных ван-дер-ваальсовых материалов, включающую экспериментально измеренные и рассчитанные оптические свойства. На основе этой базы данных мы обучили модели машинного обучения, позволяющие предсказывать свойства материала по его структуре и химическому составу. Это позволило провести скрининг больших баз данных (десятки или сотни тысяч материалов), в результате чего были найдены материалы с рекордно высоким коэффициентом преломления. Два из них, молибден дителлурид (MoTe2) и кадмий-селенид (CdSe), были экспериментально подтверждены. Этот подход, включающий сбор данных, разработку моделей машинного обучения, скрининг и отбор материалов, был бы невозможен без машинного обучения. Это был «умный перебор», где свойства материалов предсказывались моделями машинного обучения, что позволило избежать дорогостоящих и длительных квантово-механических расчетов и экспериментов. Кроме того, мы использовали дополнительные критерии отбора, например, наличие ван-дер-ваальсовых взаимодействий.

Второй пример – разработка новых сталей для корпусов атомных реакторов с улучшенными механическими свойствами. Здесь мы генерировали новые составы сталей с помощью эволюционных алгоритмов и машинного обучения. Это позволило найти стали с характеристиками, превосходящими известные аналоги. Увеличение мощности и срока службы реакторов требует поиска материалов с более высокими механическими характеристиками, в частности, пределами прочности при высоких температурах.

Взаимодействие исследователей и методов искусственного интеллекта крайне важно для решения сложных задач. Количество известных неорганических кристаллов составляет порядка 200 000. В недавней публикации в Nature группа исследователей из DeepMind с помощью машинного обучения сгенерировала около 380 000 потенциально стабильных материалов, что вдвое превышает количество ранее известных.

Виктор Казанцев 

Еще одна важная область – нейроэлектроника, объединяющая электронику и нейронауку. В электронике появились нейроморфные вычисления, использующие принципы работы мозга. Мемристеры – устройства с памятью, имитирующие синапсы, – позволяют создавать энергоэффективные вычислительные системы. Нейроэлектронные устройства на основе мемристеров могут применяться в биоморфных роботах. Преимущество нейроморфных и биоморфных технологий – высокая энергоэффективность. Однако ключевая проблема в создании биоморфных роботов – не материалы, а разработка сложной системы управления движением в реальном времени большим количеством исполнительных механизмов. Искусственный интеллект может помочь решить эту задачу с помощью адаптивного управления.

Егор Быковский (модератор): Теперь, после погружения в фундаментальную науку, давайте перейдем к вопросам внедрения. Слово предоставляется Алексею Фаустову, который представит взгляд со стороны индустрии.

Алексей Фаустов: Проблемы внедрения и перспективы фотоники в России

Коллеги, добрый день. Благодарю за приглашение. Я представлю взгляд со стороны индустрии на проблемы внедрения новых технологий. Наша лаборатория плотно работает с промышленностью, в частности, в космической тематике.

Проблем много, но я бы выделил несколько ключевых групп: технологические, кадровые, экономические и, главное, отсутствие долгосрочной стратегии. Технологические проблемы — это оборудование, материалы и, что критически важно, системы автоматизированного проектирования (EDA). Весь мир использует продукты компаний Synopsys, Cadence, Mentor Graphics. После 2022 года доступ к ним для России был практически полностью перекрыт.

Это привело к огромному технологическому разрыву. Пока мировые лидеры производят чипы по технологии 3 нанометра, наши заводы активно используют техпроцесс 90 нанометров. Мой посыл не в том, что всё пропало, а в том, что нам нужно четко определить приоритетные задачи, где мы можем быть конкурентоспособны, а не пытаться догнать всех и везде.

Любая новая технология требует изменения производственных процессов. Путь от идеи до продукта занимает десятилетия. Например, в OLED-технологии первые исследования были в 50-х, а первый коммерческий продукт появился только в 2001 году. На Западе драйвером этого процесса являются крупные корпорации. У нас же исследования в основном финансируются государством, но при этом отсутствует сильный компонент коммерциализации. Горизонт планирования у наших промышленных компаний — 2-3 года, максимум. Никто не готов инвестировать в разработки с циклом в 10-15 лет. Это и есть главный разрыв между наукой и индустрией.

Но есть и перспективные направления. Одно из них — интегральная фотоника. Ее огромное преимущество в том, что для производства фотонных интегральных схем можно использовать существующие кремниевые технологические линии. В России есть несколько центров, которые могут и прототипировать, и производить такие чипы. Это направление активно развивается с 2016 года. Недавно в рамках работы по космосу мы успешно создали и протестировали макет фотонной системы, который был интегрирован в спутник.

Таким образом, для успешного внедрения технологии необходимо не только желание и научный задел, но и долгосрочная стратегия. Нам нужно сконцентрироваться на тех нишах, где мы еще не отстали критически, и где у нас есть технологическая база, как в фотонике. Не нужно пытаться догнать Запад в гонке нанометров. Нужно искать свои пути. Спасибо.