SemiConLens: Visual Analytics for 2D Semiconductor Discovery

SemiConLens ist ein System zur visuellen Analyse, das eine neuartige korrelationsbewusste multivariate Imputationsmethode (CAMI) mit interaktiven Visualisierungen integriert, um Herausforderungen hinsichtlich Datenknappheit und Zuverlässigkeit zu überwinden und somit Materialforschern zu ermöglichen, vielversprechende Kandidaten für 2D-Halbleiter effektiv zu entdecken und zu bewerten.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Schatzsucher auf der Suche nach einer ganz bestimmten Art von Gold in einem riesigen, chaotischen Ozean. In der realen Welt ist dieses „Gold" eine neue Art von 2-Halbleiter—ein Material, das nur wenige Atome dick ist und unsere zukünftigen Computer, Telefone und EnergieNetze antreiben könnte.

Das Problem ist, dass der Ozean riesig ist, das Wasser trüb und die Karte, die Sie haben, voller Löcher steckt.

Diese Arbeit stellt SemiConLens vor, einen High-Tech-Tauchanzug und ein Sonarsystem, das Wissenschaftlern dabei helfen soll, diese Materialien schneller und zuverlässiger zu finden. Hier ist die Funktionsweise, aufgeteilt in einfache Konzepte:

1. Das Problem: Eine Karte mit fehlenden Teilen

Wissenschaftler wissen, dass herkömmliche Computerchips an eine Grenze stoßen; sie werden zu klein und überhitzen. Sie benötigen neue 2D-Materialien, um dies zu beheben.

• Der alte Weg: Wissenschaftler mischten früher Chemikalien im Labor, testeten sie und hofften auf das Beste. Das ist wie der Versuch, eine Nadel im Heuhaufen zu finden, indem man das Heu nacheinander mit einem Stock durchsticht. Es ist langsam und teuer.
• Der neue Weg (Die Herausforderung): Sie begannen, Computer und Künstliche Intelligenz (KI) zu nutzen, um vorherzusagen, welche Materialien funktionieren würden. Aber es gibt einen Haken: Die KI ist wie ein Schüler, der nicht genug Lehrbücher gelesen hat. Die Daten sind „spärlich" (voll von fehlenden Seiten), und die KI rät oft, ohne zu wissen, ob sie richtig liegt. Das ist, als würde man einen Wettervorhersager bitten, den Regen der nächsten Woche vorherzusagen, obwohl er nur Daten für drei Tage hat.

2. Die Lösung: SemiConLens

Die Autoren entwickelten ein System namens SemiConLens, das als Brücke zwischen der rohen Kraft der KI und der menschlichen Intuition des Wissenschaftlers dient. Es verfügt über zwei Hauptmotoren:

Motor A: Der „Intelligente Füller" (CAMI)

Da die Datenkarte Löcher aufweist, muss das System diese füllen, ohne falsche Fakten zu erfinden.

• Funktionsweise: Stellen Sie sich vor, Sie versuchen, den Preis eines Hauses in einer Nachbarschaft zu erraten, in der einige Preisschilder fehlen. Statt zufällig zu raten, schauen Sie sich die Häuser nebenan an, die ähnlich sind (gleiche Größe, gleicher Stil), und sehen, was sie verkauft haben.
• Die Innovation: Das System verwendet eine Methode namens CAMI. Es untersucht, wie verschiedene Materialeigenschaften miteinander zusammenhängen (Korrelation), und findet ähnliche Materialien (Ähnlichkeit), um die fehlenden Zahlen zu ergänzen. Es ist wie ein Detektiv, der Kontexthinweise nutzt, um ein Rätsel zu lösen, anstatt einfach nur zu raten.

Motor B: Die „Glaskugel mit einem Vertrauensmesser" (Vorhersage und Unsicherheit)

Sobald die Karte gefüllt ist, nutzt das System die KI, um vorherzusagen, wie gut ein Material sein wird. Aber im Gegensatz zu einer Standard-KI, die nur eine einzelne Zahl ausgibt, sagt SemiConLens Ihnen, wie sicher es ist.

• Die Analogie: Wenn eine normale KI sagt: „Dieses Material ist zu 90 % effizient", sagt SemiConLens: „Dieses Material ist zu 90 % effizient, aber ich bin mir nur zu 60 % sicher bei dieser Zahl, weil ich einige der Daten raten musste."
• Warum das wichtig ist: Dies verhindert, dass Wissenschaftler Zeit mit Materialien verschwenden, bei denen die KI nur „halluziniert" (wild rät).

3. Die Schnittstelle: Ein Dashboard für die Entdeckung

Das System präsentiert diese Daten auf einem Bildschirm mit drei Hauptansichten, die wie ein Cockpit für die Schatzsuche wirken:

• Die Filteransicht (Das Sieb): Hier legen Wissenschaftler ihre Regeln fest. Sie können sagen: „Zeige mir nur Materialien, die bei Raumtemperatur stabil sind und eine hohe Geschwindigkeit aufweisen." Das ist wie das Einstellen eines Siebs, um nur die Goldnuggets zu fangen und den Sand durchfallen zu lassen. Es zeigt auch eine „Spur der Geschichte", damit sie sehen können, wie sie zu ihrer aktuellen Liste gelangt sind.
• Die Entdeckungsansicht (Die Sternenkarte): Dies ist der coolste Teil. Die Materialien werden als kreisförmige Abzeichen (Glyphen) dargestellt.
  • Der innere Tortenabschnitt: Zeigt die wichtigsten Statistiken (wie Geschwindigkeit und Energie).
  • Der äußere Ring: Zeigt, warum das Material diese Statistiken aufweist (welche winzigen Atome den Effekt verursachen).
  • Das Layout: Die Abzeichen sind so angeordnet, dass sich ähnliche Materialien wie Sterne in einer Konstellation gruppieren. Das System verwendet einen speziellen Algorithmus, um sie auseinanderzudrängen, damit sie sich nicht überlappen, selbst wenn es Tausende von ihnen gibt.
• Die Vergleichsansicht (Die Wertungstabelle): Wenn ein Wissenschaftler zwei vielversprechende Kandidaten findet, kann er sie nebeneinander in einer Heatmap platzieren. Das ist wie der Vergleich zweier Autos auf einem Datenblatt, aber mit einem 3D-Modell, das man drehen kann, um die Molekülstruktur zu sehen.

4. Funktioniert es?

Die Autoren testeten dieses System mit echten Materialwissenschaftlern (Experten auf diesem Gebiet).

• Das Urteil: Die Experten liebten es. Sie sagten, es habe ihnen geholfen, potenzielle Materialien viel schneller zu finden als zuvor.
• Realwelt-Test: In einem Test nutzten sie das System, um Materialien zur Aufspaltung von Wasser in Wasserstoffbrennstoff zu finden. Das System identifizierte schnell ein Material (WS2), von dem Experten bereits wussten, dass es gut ist, was bewies, dass das System funktioniert. In einem anderen Test fanden sie Kandidaten für eine neue Art von stromsparendem Transistor.
• Eine kleine Beschwerde: Das System ist etwas langsam (dauert etwa 7 Sekunden zum Aktualisieren), wenn Tausende von Elementen auf dem Bildschirm sind, da es schwere Mathematik betreibt, um zu verhindern, dass sich die Abzeichen überlappen. Aber die Experten sagten, der Kompromiss lohne sich.

Zusammenfassung

SemiConLens ist ein Werkzeug, das einen unordentlichen, unvollständigen Datensatz potenzieller Materialien nimmt, intelligente Mathematik nutzt, um die Lücken zu füllen, und die Ergebnisse dann so anzeigt, dass menschliche Experten Muster erkennen, das Vertrauen der KI überprüfen und bessere Entscheidungen treffen können. Es verwandelt das chaotische Ozean der Daten in eine klare, navigierbare Karte zur Entdeckung der nächsten Generation von Technologie.

Technische Zusammenfassung

Technische Zusammenfassung: SemiConLens: Visuelle Analytik für die Entdeckung von 2D-Halbleitern

Problemstellung
Die Entdeckung neuer zweidimensionaler (2D) Halbleitermaterialien ist entscheidend, um die Leistungsgrenzen traditioneller siliziumbasierter Transistoren im Nanometerbereich zu überwinden. Dieser Prozess steht jedoch vor erheblichen Hindernissen. Traditionelle experimentelle Arbeitsabläufe sind langsam, kostspielig und stark auf Trial-and-Error angewiesen. Rechnerische Ansätze, wie die Dichtefunktionaltheorie (DFT), sind zwar genau, aber für die groß angelegte Screening-Verfahren rechenintensiv und langsam. Maschinelles Lernen (ML) bietet eine schnellere Alternative, wird jedoch durch zwei Hauptprobleme in den Materialwissenschaften behindert: (1) Datensparsamkeit, bei der Datensätze wie C2DB zwar Tausende von Verbindungen enthalten, aber nur wenige Hundert mit beschrifteten Werten für kritische Attribute (z. B. CBM GW, VBM GW); und (2) Zuverlässigkeit und Vertrauenswürdigkeit, wobei ML-Modelle oft als „Black Boxes" fungieren und keine Transparenz hinsichtlich der Vorhersageunsicherheit und der Entscheidungsgründe bieten.

Methodik
Die Autoren schlagen SemiConLens vor, ein System für visuelle Analytik, das die Lücke zwischen menschlicher Domänenexpertise und ML-Fähigkeiten schließen soll. Das System arbeitet über zwei integrierte Module: eine sparsamkeitsbewusste Vorhersagepipeline und eine interaktive Visualisierungsschnittstelle.

1. Sparsamkeitsbewusste Vorhersagepipeline:

   • Korrelationsbewusste multivariate Imputation (CAMI): Um die Datensparsamkeit zu adressieren, entwickelten die Autoren CAMI. Im Gegensatz zur Standard-Imputation füllt CAMI fehlende Werte iterativ, indem zunächst Spalten/Zeilen mit übermäßigen Fehlstellen herausgefiltert werden, gefolgt von der Berechnung einer Pearson-Korrelationsmatrix. Für eine Ziel-Spalte mit fehlenden Werten werden die am stärksten korrelierten Spalten identifiziert, deren fehlende Werte mittels Spaltenmittelwerten imputiert werden, und anschließend wird eine ähnlichkeitsbasierte Zeilenauswahl (unter Verwendung von K-Nearest-Neighbors) eingesetzt, um den Zielwert basierend auf den ähnlichsten beobachteten Instanzen zu schätzen. Dies erhält die Inter-Attribut-Korrelationen besser als eine globale Mittelwert-Imputation.
   • Modellauswahl und Unsicherheitsschätzung: Das System evaluiert mehrere ML-Modelle (RF, SVR, MLP, GB, NGBoost, Autoencoder), um fünf Schlüsselattribute von Halbleitern vorherzusagen. Basierend auf der Leistung werden Autoencoder (AE) für die Elektronen- und Lochbeweglichkeit ausgewählt (unter Ausnutzung von Few-Shot-Learning-Fähigkeiten), während Natural Gradient Boosting (NGBoost) für Bandlücke GW, VBM GW und CBM GW verwendet wird.
   • Unsicherheitsquantifizierung: Die Unsicherheit wird explizit berechnet: für AE über den Rekonstruktionsfehler (mittlerer absoluter prozentualer Fehler); für NGBoost über die relative Standardabweichung (RSD), die aus den vorhergesagten Standardabweichungen abgeleitet wird. Die Feature-Wichtigkeit wird mittels SHAP-Werten (SHapley Additive exPlanations) bestimmt.

2. System für visuelle Analytik:
   Die Schnittstelle besteht aus drei koordinierten Ansichten:

   • Filteransicht: Bietet einen Überblick über Attributverteilungen mittels paralleler Koordinaten und eingebetteter Streudiagramme zur Visualisierung der Unsicherheit. Sie umfasst ein Kontrollpanel zur Attributauswahl und ein Baumdiagramm zur Verfolgung des Explorationsverlaufs.
   • Entdeckungsansicht: Visualisiert den Verbindungsraum mittels eines neuartigen kreisförmigen Glyphendesigns. Das innere Tortendiagramm kodiert vom Benutzer ausgewählte Schlüsselattribute, während das äußere Kreisbalkendiagramm Einflussfaktoren (Feature-Wichtigkeit oder Korrelationsstärke) kodiert, um zu erklären, warum eine Verbindung bestimmte Werte aufweist. Um visuelle Unordnung in dichten Clustern zu managen, wird eine clusterbewusste Layout-Optimierung eingesetzt. Diese kombiniert Kartogramm-Skalierung (Vergrößerung von Flächen basierend auf der Clustergröße) mit einem kraftbasierten Algorithmus, der Randcontainment- und Positionsbeibehaltungskräfte einschließt, um Überlappungen zu minimieren und gleichzeitig die Cluster-Topologie zu erhalten.
   • Vergleichsansicht: Ermöglicht eine detaillierte Analyse über eine interaktive Heatmap, bei der Zeilen Verbindungen und Spalten Attribute darstellen. Datenquellen (vorhergesagt, imputiert, Grundwahrheit) und Unsicherheit (über Kreisradius) werden visuell kodiert. Sie integriert zudem die Visualisierung von 3D-Molekülstrukturen.

Hauptbeiträge

• CAMI-Methode: Eine neuartige Imputationstechnik, die sowohl Attributkorrelation als auch Probenähnlichkeit nutzt, um sparsame Materialdatensätze zu handhaben und dabei Mittelwert- und Null-Imputation in Vorhersageaufgaben übertrifft.
• SemiConLens-System: Ein End-to-End-Framework für visuelle Analytik, das sparsamkeitsbewusste Vorhersage mit interaktiver Visualisierung integriert. Es verbindet ML-Vorhersagen einzigartig mit Unsicherheitsquantifizierung und Erklärbarkeit (via SHAP), um eine vertrauenswürdige Entdeckung zu unterstützen.
• Innovationen im visuellen Design: Die Einführung eines zweischichtigen kreisförmigen Glyphen, der gleichzeitig Attributwerte und ihre Einflussfaktoren anzeigt, gepaart mit einem clusterbewussten Layout-Optimierungsalgorithmus, der Clusterstrukturen erhält und gleichzeitig Glyphenüberlappungen in hochdichten Visualisierungen reduziert.

Ergebnisse und Evaluation
Das System wurde durch quantitative Metriken, Experteninterviews und zwei Anwendungsfälle evaluiert.

• Quantitative Evaluation: Die CAMI-Methode verbesserte die Vorhersageleistung für Elektronen- und Lochbeweglichkeit im Vergleich zu Mittelwert- und Null-Imputation signifikant. Die Modellevaluation bestätigte, dass AE-Modelle der Vorhersage der Beweglichkeit überlegen waren, während NGBoost bei bandlückenbezogenen Attributen am besten abschnitt.
• Experteninterviews: Zwölf Domänenexperten (Promovierende, Postdocs und Forschungsstipendiaten) bewerteten das System. Die Teilnehmer bewerteten das System hinsichtlich Effektivität (Mittelwert 6,00–6,67) und Benutzerfreundlichkeit (Mittelwert 6,50) sehr positiv. Experten hoben die Fähigkeit des Systems hervor, vielversprechende Kandidaten zu identifizieren, sowie die Nützlichkeit des Filterverlaufs und der Unsicherheitsvisualisierung. Einiges Feedback deutete darauf hin, dass die Informationsdichte überwältigend sein könnte und die Systemantwortzeiten (ca. 7 Sekunden aufgrund der Layout-Optimierung) verbessert werden könnten.
• Anwendungsfälle:
  • Wasserspaltung: Das System identifizierte erfolgreich WS2 als Kandidaten ähnlich dem Benchmark MoS2 für die Wasserstoffentwicklung und validierte dabei den Workflow des Filterns und der Cluster-Exploration.
  • Tunnel-Feld-Effekt-Transistoren (TFETs): Das System unterstützte bei der Identifizierung von Donor-Akzeptor-Paaren mit spezifischer Typ-II-Bandausrichtung und demonstrierte die Fähigkeit, rechnerisches Filtern mit domänenspezifischem Expertenwissen zu kombinieren (z. B. den Ausschluss nicht-geschichteter Strukturen).

Bedeutung
Die Arbeit behauptet, dass SemiConLens Materialforschern effektiv bei der Entdeckung hochpotenter 2D-Halbleiter unterstützt, indem es den Entdeckungsprozess transparenter und zuverlässiger macht. Durch die explizite Adressierung der Datensparsamkeit mittels CAMI und die Visualisierung von Vorhersageunsicherheit sowie Feature-Wichtigkeit ermöglicht das System fundierte Entscheidungsfindung in einem Bereich, in dem Daten oft begrenzt sind und traditionelle Methoden zu langsam sind. Die Arbeit zeigt, dass die Kombination menschlicher Intuition mit ML-gestützten Erkenntnissen, vermittelt durch eine maßgeschneiderte Schnittstelle für visuelle Analytik, die Identifizierung gewünschter Materialien für Technologien der nächsten Generation beschleunigen kann.