KI Neuigkeiten
30 Aug. 2026
Read 7 min
KI gestützte spektroskopische Ellipsometrie: schnelle Analyse
KI-gestützte Ellipsometrie liefert in Minuten belastbare Dünnschichtdaten und beschleunigt Produktion.
KI gestützte spektroskopische Ellipsometrie verkürzt die Auswertung von Dünnschichten drastisch. An der University of Toledo entwickelt der Physik-Doktorand Alex Bordovalos ein KI-Tool, das Rohdaten automatisiert interpretiert. So werden Nonuniformitäten auf Nanometer-Ebene schneller sichtbar, was Forschung, Qualitätssicherung und Produktion in Photovoltaik und Halbleitern beschleunigt.
Die Herstellung von Solarzellen und Chips leidet, wenn Schichten auf dem Glas oder dem Wafer ungleichmäßig sind. Solche Abweichungen liegen oft im Nanometer-Bereich. Ein Lineal hilft da nicht. Spektroskopische Ellipsometrie misst deshalb Veränderungen im Polarisationszustand von Licht, um Dicke und optische Eigenschaften zu bestimmen. Bislang bremste jedoch die manuelle Auswertung der Messkurven. Hier setzt die KI gestützte spektroskopische Ellipsometrie an und nimmt Fachleuten viel Rechenarbeit ab.
Warum Geschwindigkeit bei Dünnschichten zählt
In Labor und Fabrik fallen viele Messpunkte an. Jede Probe unterscheidet sich leicht. Bisher mussten Physikerinnen und Physiker ihre Modelle ständig anpassen, um Rauheit, Mischschichten oder andere Unregelmäßigkeiten abzubilden. Das kostet Zeit und bindet Expertinnen und Experten. Die KI gestützte spektroskopische Ellipsometrie verspricht deutliche Zeitgewinne bei Messungen von Schichten, die viel dünner als ein Haar sind. Laut Dr. Nik Podraza, Professor für Physik und Interim-Dekan am College of Natural Sciences and Mathematics, könnte das vor allem Herstellern in der Halbleiter- und Energiewirtschaft helfen.KI gestützte spektroskopische Ellipsometrie im UToledo-Projekt
Alex Bordovalos entwickelt ein System, das den Engpass der Auswertung adressiert: Es übersetzt Rohdaten automatisch in belastbare Materialparameter. Das Tool baut auf bewährter Messtechnik auf, automatisiert aber den rechenintensiven Schritt der Modellanpassung. Ziel ist eine robuste Analyse, die sowohl in der Forschung als auch in der Linienkontrolle funktioniert.Vom Praktikum zur Promotion
Bordovalos ist in Toledo aufgewachsen. Er schloss 2020 den Bachelor in Physik ab und 2022 den Professional Science Master’s in Photovoltaics. Ein Praxissemester bei einem Solarzellenhersteller prägte seine Idee: Eine schnellere, breit nutzbare Auswertung könnte die Produktion sicherer und effizienter machen. In seinem Doktorstudium setzt er genau das um – in engem Austausch mit dem Wright Center for Photovoltaics Innovation and Commercialization.Training mit Simulationen: Breite Datenbasis statt Engstelle
Um die Vielfalt realer Proben abzudecken, trainiert Bordovalos sein Modell mit rund einer halben Million Simulationen. Er variiert die erwartete Schichtdicke dabei um etwa ±50 Prozent. So lernt die KI, ungewöhnliche Kurven richtig zuzuordnen und trotzdem stabile Parameter zu liefern. Diese Datentiefe ist entscheidend, damit KI gestützte spektroskopische Ellipsometrie nicht nur bei „idealen“ Proben, sondern auch bei realen, leicht ungleichmäßigen Schichten verlässlich arbeitet.Von Cadmium-Tellurid bis Halbleiterfertigung
Ein zentrales Testfeld sind Cadmium-Tellurid-Solarzellen, ein Schwerpunkt am UToledo-Wright Center. Dünnschicht-Photovoltaik ist dort stark verankert und trägt zu der in U.S. News & World Report ausgewiesenen Stärke in Materialwissenschaften bei. Die Anwendung ist doppelt interessant:- Forschung und Entwicklung: Schnellere Iterationen bei neuen Schichtstapeln und Beschichtungen.
- Qualitätssicherung: Rasche Erkennung von Nonuniformitäten direkt an der Linie.
Nächster Schritt: Praxistest im Labor
Der Übergang von Simulation zu Realität ist die letzte Hürde. Am Standort stehen genug Cadmium-Tellurid-Proben zur Verfügung, um das Modell unter echten Bedingungen zu prüfen. Bordovalos bereitet sich zugleich auf den Berufseinstieg vor – offen für Wege in Industrie oder Wissenschaft. Am Ende zählt, dass Messdaten schneller zu klaren Antworten führen. Genau das leistet KI gestützte spektroskopische Ellipsometrie: Sie verbindet etablierte Optik mit moderner Auswertung, reduziert die Analysezeit deutlich und schafft Tempo für Photovoltaik und Halbleiterproduktion – vom Laborversuch bis zur Linie.For more news: Click Here
FAQ
Q: Was ist KI gestützte spektroskopische Ellipsometrie?
A: KI gestützte spektroskopische Ellipsometrie kombiniert die etablierte Messmethode der spektroskopischen Ellipsometrie mit künstlicher Intelligenz, um Rohdaten automatisch in Materialparameter wie Schichtdicke und optische Eigenschaften zu übersetzen. Sie nutzt dabei Änderungen im Polarisationszustand von Licht und nimmt Forschenden den bisher zeitintensiven Schritt der Modellanpassung ab.
Q: Wer entwickelt dieses KI-Tool an der University of Toledo?
A: Der Physik-Doktorand Alex Bordovalos entwickelt das KI-gestützte Auswertungssystem an der University of Toledo in Zusammenarbeit mit dem Wright Center for Photovoltaics Innovation and Commercialization und unter Betreuung von Dr. Nik Podraza. Er baut dabei auf seinem Bachelorabschluss 2020 und dem Professional Science Master’s in Photovoltaics von 2022 auf.
Q: Wie kann KI gestützte spektroskopische Ellipsometrie die Produktion und Qualitätssicherung verbessern?
A: KI gestützte spektroskopische Ellipsometrie macht Nonuniformitäten im Nanometerbereich schneller sichtbar und beschleunigt so Forschung, Qualitätssicherung und Produktion in Photovoltaik und der Halbleiterfertigung. Indem sie die Auswertung automatisiert, reduziert sie den Bedarf an manueller Modellanpassung und verkürzt Analysezeiten deutlich.
Q: Auf welcher Datenbasis wird das KI-Modell trainiert?
A: Das Modell wird mit rund einer halben Million Simulationen trainiert, wobei die erwartete Schichtdicke zum Beispiel um etwa ±50 Prozent variiert wird. Diese große Simulationsmenge soll sicherstellen, dass KI gestützte spektroskopische Ellipsometrie auch ungewöhnliche Messkurven zuverlässig zuordnet.
Q: Für welche konkreten Anwendungen ist die Methode besonders geeignet?
A: Die Methode eignet sich einerseits für Forschung und Entwicklung neuer Schichtstapel, andererseits für die schnelle Qualitätssicherung direkt an Produktionslinien, etwa bei Dünnschicht-Photovoltaik wie Cadmium-Tellurid-Solarzellen. KI gestützte spektroskopische Ellipsometrie kann so schnellere Iterationen im Labor und frühere Fehlererkennung in der Fertigung ermöglichen.
Q: Wie weit ist das Projekt derzeit und was sind die nächsten Schritte?
A: Bordovalos nähert sich dem Abschluss seines Doktorats und hat erste Ergebnisse bereits in Fachkonferenzen und dem Journal of Applied Physics vorgestellt und wurde 2024 mit dem J.A. Woollam Outstanding Student Poster Award ausgezeichnet. Der nächste Schritt ist der Praxistest an realen Cadmium-Tellurid-Proben am UToledo-Standort, um den Übergang von Simulationen zu echten Messdaten zu prüfen.
Q: Worin besteht der Unterschied zwischen herkömmlicher Auswertung und der KI-gestützten Variante?
A: Herkömmlich müssen Forschende ihre mathematischen Modelle fortlaufend anpassen, um Rauheit, Mischschichten oder andere Unregelmäßigkeiten abzubilden, was zeitaufwändig ist. Die KI gestützte spektroskopische Ellipsometrie automatisiert diesen rechenintensiven Schritt und liefert belastbare Materialparameter schneller.
Q: Welche Hauptherausforderung bleibt vor einem breiten Einsatz in der Industrie?
A: Die zentrale Herausforderung ist der Transfer vom Training an simulierten Daten zur zuverlässigen Anwendung auf reale, leicht ungleichmäßige Proben, denn das Modell muss in der Praxis ebenso stabil arbeiten wie in Simulationen. Solange dieser Praxistest an Cadmium-Tellurid-Proben noch aussteht, bleibt die Validierung der KI gestützten spektroskopischen Ellipsometrie die letzte Hürde.
Contents
