eng
TS_pub
technospheramag
technospheramag
ТЕХНОСФЕРА_РИЦ
Выпуск #7/2014
А.Болховитинов
Оптимизация трассировки топологий самосборки чипов и разработки методов самосборки "лабораторий на чипе"
Оптимизация трассировки топологий самосборки чипов и разработки методов самосборки "лабораторий на чипе"
Просмотры: 5086
Функции безусловной глобальной или роевой оптимизации могут использоваться для создания профилей тестовых структур, трассировки травления или маршрутизации сигнала в дизайне интегральных схем, а также принципиально не отличимых от них по алгоритмам
трассировки топологий лабораторий на чипе.
трассировки топологий лабораторий на чипе.
Теги: chip self-assembly topological design tracing самосборка топологическое проектирование трассировка чип
В связи с развитием технологий самосборки интегральных микросхем и им подобных структур [1-3], в частности, получаемых эпитаксиальными и литографическими методами [4,5], актуальна задача внедрения в практику моделирования и автоматической топологической трассировки математического аппарата, который учитывал бы явления самоорганизации "роев частиц", приводящих к подобной самосборке. Тренд самоорганизующейся критичности в системе множества автономных частиц или агентов можно определить методами роевой оптимизации (Particle Swarm Optimization – PSO) [6], которые применимы также и в случае децентрализованных "роев частиц" малой плотности [7]. Вследствие этого возможно создание автоматических трассирующих топологических редакторов, использующих PSO в качестве генератора морфологических шаблонов топологий схем, возникающих при самосборке. Поскольку морфологические и симметрические характеристики являются критерием принципиальной новизны продуктов самосборки [8,9], возможность управления ими ознаменовала бы введение новой технологии в серийное производство.
Внедрение оптимальных форм самосборки интегральных схем устранило бы антагонизм между "fabless" и "found-less" (silicon foundry) формами организации производства в микроэлектронике, так как управление формами сборки осуществлялось бы напрямую в цехах, хотя и требовало бы от инженерно-конструкторского персонала знаний уровня конструкторов-концептуалистов fabless-модели. С другой стороны, тот метод оптимизации, который требует не формально-абстрактного подхода, каковым, в частности, характеризуются алгоритмы типа Куна–Манкреса, Левенберга–Марквардта, Бройдена–Флетчера–Гольдфарба–Шанно, Данцига–Вулфа, Хука–Дживса, Гомори и множество других популярных и вполне работоспособных методов оптимизации, а напрямую опирается на математическую физику процесса самосборки, то есть на моделирование кооперативного поведения роев частиц при образовании когерентной структуры, очевидно, характеризуется большей эвристической и прогностической ценностью.
Предлагаемый подход
Автором статьи ранее предлагалось использовать тестовые функции и методы роевой оптимизации для визуализации поведения феррофлюида при нестабильности в нормально направленном поле [10,11], а также нами были использованы тестовые функции для анализа сборки роев клеток как частиц в ходе биологического формообразования (морфогенеза) [12]. Эти же подходы можно применить при анализе самосборки интегральных схем в условиях направляющего воздействия, подобрав оптимальные функции для использования в дизайне тестовых структур. В данной работе предлагается иллюстрация данного подхода, не связанная с каким-либо конкретным образцом выпускаемой электронной продукции, хотя ранее нами была проведена апробация тестовых функций на ряде топологий ограниченной применимости [13].
Рассмотрим пример с использованием функции Михалевича – целевой n-мерной функции, имеющей ряд глобальных и один локальный минимум, и записываемой в следующей форме [14]:
.
Например, при n=10 функция Михалевича выглядит следующим образом:
,
i = 1:n, m =10, 0 ≤ xi ≤ π.
При n=2, i=1,2 и xi ∈ [0, π] проблема мультимодальной минимизации имеет вид:
.
Визуализация функции Михалевича, легко осуществимая в таких пакетах, как PaGMO, GEATbx для MATLAB и Global Optimization Toolbox для MATLAB, позволяет проиллюстрировать форму возможных борозд и траекторий трассирования потоков при симуляционном CAD-CAE-дизайне и "автоматизированном" на принципах самосборки производстве. Пример подобного подхода приводится на рис.1, где в трехмерном виде отображены визуализации функции Михалевича, а их проекции на плоскость (изолинии или горизонтали в терминах топографии) представляют собой контурные отображения топологии бороздок. Подобные скрещенные структуры могут быть использованы при создании пленочных крестообразных криотронов и микрофлюидных хемотронных систем на чипе, которые часто производят с использованием "микроэлектронных" технологий (типа микролитографии и PVD), аналогично интегральным микросхемам [15,16].
При изменении целевой функции возможно подобрать шаблон оптимизации фактически к любой морфометрической задаче и электронной микрофабрикации [17]. Ввиду ограниченности объема статьи полные примеры приводятся для достаточно малого количества графических визуализаций, однако понятно, что применимость тестовых функций глобальной оптимизации и принципа роевой оптимизации для описания самоорганизующихся структур на чипе не ограничивается методами Михалевича. С помощью ступенчатой функции и пошагового кусочно-дробного алгоритма возможно построение градиентных по изолиниям (эквипотенциальным линиям) каскадов борозд в любой геометрической ориентации. Пример такого построения визуализирован на рис.2а с использованием программы Particle Swarm Optimization V.1.0 (университет Токио, IBA Laboratory).
Более сложное моделирование результатов электронной микрофабрикации матричных и мультиячеистых структур требует использования таких моделей, как функции Шекеля ("лисьи норы"), описанных впервые Дж.Шекелем в 1971 году в докладе "Test Functions for Multimodal Search Techniques" на пятой принстонской конференции по информатике и информационным системам (Fifth Annual Princeton Conference on Information Science and Systems):
,
где n – число измерений, а m – максимум. Примеры визуализации "лисьих нор" Шекеля при моделировании промышленных микроструктур, которые можно получить методами оптимизационной самосборки, приведены на рис.2b–2d.
Также для аналогичных целей целесоообразно применять функцию Де Йонга [18] с использованием имитации отжига при поиске минимума:
.
Значение k для подобных визуализаций может быть достаточно малым (например, k=0,002), а d – целочисленным и сравнительно большим (например, d=25) при a, заданном в виде составленной по большей части из пропорциональных значений матрицы следующего вида:
.
Эта двумерная мультимодальная функция, по определению, представляется в виде "капель на поверхности", что позволяет использовать ее и для визуализации результатов "мокрого" процесса, связанного с самосборкой интегральных микросхем и построением "мягкой" (soft) [19,20] или "влажной" (wet) [21–23] электроники и оптоэлектроники [24]. Результаты моделирования с использованием функции Де Йонга показаны на рис.2e и 2f.
Сопоставимость теоретических и опытно-конструкторских результатов можно продемонстрировать, используя открытые данные по электронной микрофабрикации, имеющиеся в сети. Так, визуализация атомно-силовых микрографических регистраций бороздок микрочипа без постпроцессинга (сглаживания) демонстрирует неоднородную дискретную микроструктуру (рис.3), отвечающую модели бороздок на основе ступенчатой функции (рис.2a), а "смачиваемые" (wetting controlled) литографические структуры (рис.4) хорошо аппроксимируются инвертированными функциями Де Йонга и Шекеля (рис.2b–2f). Инверсия здесь означает, что вычисления базируются на поиске максимума, а не минимума, в отличие от обычной трактовки оптимизации с использованием данных функций.
"Регуляризованная" инвертированная функция Михалевича также может быть полезна при аппроксимации "темплатов" в моделировании и автоматическом трассировании электронных компонент, формировании топологии чипов. Рис.5, на котором приведена инвертированная визуализация функции Михалевича, показывает, что она соотносится как "матрица с пуансоном" с подобранной вычислительным путем оптимальной морфологической конфигурацией FinFET 22-нанометрового трехмерного транзистора троичного переключения (троичной логики), который мог бы применяться в троичных ячейках памяти, троичных триггерах и троичных ЭВМ будущего. Таким образом, можно конструировать чипы современного уровня и без обращений к "прямой" самосборке, что, в частности, может быть использовано в реверс-инжиниринге с определением наиболее оптимальных схем, основанном на подборе тестовых функций глобальной оптимизации.
Мы рассмотрели только наиболее простые и распространенные функции подобия и морфометрической аппроксимации, однако их список может и должен быть расширен в целях развития самоорганизующейся микроэлектроники и наноэлектроники – как стандартной твердотельной, так и ее soft- и wet-модификаций [26,27].
Автор благодарит коллег из ИХФ и ИНЭПХФ РАН за плодотворные обсуждения, которые инициировали появление данной статьи. Также выражается благодарность О.Градову, участвовавшему в работе над проектом в 2010–2011 гг. [13], литературно и концептуально откорректировавшему этот текст, но отказавшемуся от соавторства из-за ряда технических несогласий.
Литература
1.Smits E.C.P., Mathijssen S.G.J., van Hal P.A., Setayesh S., Geuns T.C.T., Mutsaers K.A.H.A. et al. Bottom-up organic integrated circuits. – Nature, vol. 455, iss.7215, p. 956–959, 2008.
2.Yang J.K.W., Jung Y.S., Chang J.B., Mickiewicz R.A., Alexander-Katz A., Ross C.A., Berggren K.K. Complex self-assembled patterns using sparse commensurate templates with locally varying motifs. – Nature Nanotechnology, 2010, vol. 5, p. 256–260.
3.Chang J.-B., Choi H.K., Hannon A.F., Alexander-Katz A., Ross C.A., Berggren K.K. Design rules for self-assembled block copolymer patterns using tiled templates. – Nature Communications, 2014, vol. 5, art. no.3305.
4.Bita I., Yang J.K., Jung Y.S., Ross C.A., Thomas E.L., Berggren K.K. Graphoepitaxy of self-assembled block copolymers on two-dimensional periodic patterned templates. – Science, 2008, vol. 321, iss. 5891, p. 939-943.
5.Jung Y.S., Chang J.B., Verploegen E., Berggren K.K., Ross C.A. A path to ultranarrow patterns using self-assembled lithography. – Nano Letters, 2010, vol. 10, iss. 3, p. 1000–1005.
6.Lovbjerg M., Krink T. Extending Particle Swarm Optimisers with Self-Organized Criticality. – Proceedings of the Fourth Congress on Evolutionary Computation,2002, vol. 2, p. 1588–1593.
7.Kim D.H., Shin S. Self-organization of Decentralized Swarm Agents Based on Modified Particle Swarm Algorithm. – Journal of Intelligent and Robotic Systems, 2006, vol. 46, iss. 2, p. 129-149.
8.Son J.G., Chang J.B., Berggren K.K., Ross C.A. Assembly of sub-10-nm block copolymer patterns with mixed morphology and period using electron irradiation and solvent annealing. – Nano Letters, 2011, vol. 11, iss. 11, p. 5079–5084.
9.Tavakkoli K.G.A., Hannon A.F., Gotrik K.W., Alexander-Katz A., Ross C.A., Berggren K.K. Rectangular symmetry morphologies in a topographically templated block copolymer. – Adv. Mater., 2012, vol. 24, iss. 31, p. 4249–4254.
10.Bolkhovitinov A.S. Supercomputer simulation and approximation for surface forms of the normal-field instability in magnetic liquids using particle swarm optimization approach and Griewank function. – Fract. Simul. [Eng. ed.], 2013, Iss. 1, p. 6–12.
11.Bolkhovitinov A.S. Approximation and visualization of normal-field instability surface forms in magnetic liquids using particle swarm optimization approach. – 11th International Conference on Pattern Recognition And Image Analysis, 2013, accepted-paper-list, track 4 “Applied Problems”, ID no.7.
12.Болховитинов А.С. Достижение сопоставимости морфометрических и модельных гистогенетических-морфогенетических данных с помощью тестовых функций глобальной оптимизации. – Морфологія, 2013, т.7, № 2, с.5-19.
13.Bolkhovitinov A.S., Gradov O.V. The “LoC-Optimizer” Program. – Preprint FOUO [Rest.], New York, 2011, 125 p.
14.Michalewicz Z. Genetic Algorithms + Data Structures = Evolution Programs. Berlin, Heidelberg, New York: Springer-Verlag, 1992.
15.Zolotov Y.A. Analytical Circuit Chips (Microinstruments). – Journal of Analytical Chemistry, Vol.51, Iss.4, p.327, 1996.
16.Золотов Ю.А. Аналитические схемы на чипе (микроприборы). – Сб. "Микрофлюидные системы для химического анализа", М.: Физматлит, 2011, 528 с.
17.Handbook of Microlithography, Micromachining and Microfabrication: vol.1: "Microlithorgaphy", vol.2: "Micromachining and microfabrication", SPIE Press, 1997.
18.De Jong K. A. An analysis of the behavior of a glass of genetic adaptive systems. – PhD thesis, Michigan: University of Michigan, 1975, 252 p.
19.Chae S.H., Lee Y.H, Carbon nanotubes and graphene towards soft electronics. – Nano Convergence, vol.1, art.no.15, p.1-26, 2014.
20.Gozen B.A., Tabatabai A., Ozdoganlar O.B., Majidi C. High-density soft-matter electronics with micron-scale line width. – Adv. Mater., vol.26, iss.30, p.5211-5216, 2014.
21.Jain T., Tang Q., Bjørnholm T., Nørgaard K. Wet chemical synthesis of soluble gold nanogaps. – Acc. Chem. Res., vol.47, iss.1, p.2-11, 2014.
22.Seo Y.H., Jeong S., Jo Y., Choi Y., Ryu B.H., Han G., Lee M. Long-term dispersion stability and adhesion promotion of aqueous Cu nano-ink for flexible printed electronics. – Journ. Nanosci Nanotechnol., vol.13, iss.8, p.5661-5664, 2013.
23.Ghosh K., Kumar M., Wang H., Maruyama T., Ando Y. Nitrogen-mediated wet-chemical formation of carbon nitride/ZnO heterojunctions for enhanced field emission. – Langmuir, vol.26, iss.8, p.5527-5533, 2010.
24.Liu H., Steigerwald M.L., Nuckolls C. Electrical double layer catalyzed wet-etching of silicon dioxide. – Journ. Amer. Chem. Soc., vol.131, iss.47, p.17034-17035, 2014.
25.Hao B., Liu H., Chen F., Yang Q., Qu P., Du G., Si J., Wang X., Hou X. Versatile route to gapless microlens arrays using laser-tunable wet-etched curved surfaces. – Opt. Express., vol.20, iss.12, p.12939-12948, 2014.
26.Hong S.-H., Cho J.-Y., Yang K.-Y., Lee H. Direct Patterning of Nanoscale Cu2O Resistive Material for Soft Nanoelectronics. – Appl. Phys. Expr. , vol.5, iss.12, p.126501-1–126501-3, 2012.
27.Liu Z., Iltanen K., Chekurov N., Grigoras K., Tittonen I. Aluminum oxide mask fabrication by focused ion beam implantation combined with wet etching. – Nanotechnology, vol.24, iss.17, art.no.175304, p.1-6, 2013.
Внедрение оптимальных форм самосборки интегральных схем устранило бы антагонизм между "fabless" и "found-less" (silicon foundry) формами организации производства в микроэлектронике, так как управление формами сборки осуществлялось бы напрямую в цехах, хотя и требовало бы от инженерно-конструкторского персонала знаний уровня конструкторов-концептуалистов fabless-модели. С другой стороны, тот метод оптимизации, который требует не формально-абстрактного подхода, каковым, в частности, характеризуются алгоритмы типа Куна–Манкреса, Левенберга–Марквардта, Бройдена–Флетчера–Гольдфарба–Шанно, Данцига–Вулфа, Хука–Дживса, Гомори и множество других популярных и вполне работоспособных методов оптимизации, а напрямую опирается на математическую физику процесса самосборки, то есть на моделирование кооперативного поведения роев частиц при образовании когерентной структуры, очевидно, характеризуется большей эвристической и прогностической ценностью.
Предлагаемый подход
Автором статьи ранее предлагалось использовать тестовые функции и методы роевой оптимизации для визуализации поведения феррофлюида при нестабильности в нормально направленном поле [10,11], а также нами были использованы тестовые функции для анализа сборки роев клеток как частиц в ходе биологического формообразования (морфогенеза) [12]. Эти же подходы можно применить при анализе самосборки интегральных схем в условиях направляющего воздействия, подобрав оптимальные функции для использования в дизайне тестовых структур. В данной работе предлагается иллюстрация данного подхода, не связанная с каким-либо конкретным образцом выпускаемой электронной продукции, хотя ранее нами была проведена апробация тестовых функций на ряде топологий ограниченной применимости [13].
Рассмотрим пример с использованием функции Михалевича – целевой n-мерной функции, имеющей ряд глобальных и один локальный минимум, и записываемой в следующей форме [14]:
.
Например, при n=10 функция Михалевича выглядит следующим образом:
,
i = 1:n, m =10, 0 ≤ xi ≤ π.
При n=2, i=1,2 и xi ∈ [0, π] проблема мультимодальной минимизации имеет вид:
.
Визуализация функции Михалевича, легко осуществимая в таких пакетах, как PaGMO, GEATbx для MATLAB и Global Optimization Toolbox для MATLAB, позволяет проиллюстрировать форму возможных борозд и траекторий трассирования потоков при симуляционном CAD-CAE-дизайне и "автоматизированном" на принципах самосборки производстве. Пример подобного подхода приводится на рис.1, где в трехмерном виде отображены визуализации функции Михалевича, а их проекции на плоскость (изолинии или горизонтали в терминах топографии) представляют собой контурные отображения топологии бороздок. Подобные скрещенные структуры могут быть использованы при создании пленочных крестообразных криотронов и микрофлюидных хемотронных систем на чипе, которые часто производят с использованием "микроэлектронных" технологий (типа микролитографии и PVD), аналогично интегральным микросхемам [15,16].
При изменении целевой функции возможно подобрать шаблон оптимизации фактически к любой морфометрической задаче и электронной микрофабрикации [17]. Ввиду ограниченности объема статьи полные примеры приводятся для достаточно малого количества графических визуализаций, однако понятно, что применимость тестовых функций глобальной оптимизации и принципа роевой оптимизации для описания самоорганизующихся структур на чипе не ограничивается методами Михалевича. С помощью ступенчатой функции и пошагового кусочно-дробного алгоритма возможно построение градиентных по изолиниям (эквипотенциальным линиям) каскадов борозд в любой геометрической ориентации. Пример такого построения визуализирован на рис.2а с использованием программы Particle Swarm Optimization V.1.0 (университет Токио, IBA Laboratory).
Более сложное моделирование результатов электронной микрофабрикации матричных и мультиячеистых структур требует использования таких моделей, как функции Шекеля ("лисьи норы"), описанных впервые Дж.Шекелем в 1971 году в докладе "Test Functions for Multimodal Search Techniques" на пятой принстонской конференции по информатике и информационным системам (Fifth Annual Princeton Conference on Information Science and Systems):
,
где n – число измерений, а m – максимум. Примеры визуализации "лисьих нор" Шекеля при моделировании промышленных микроструктур, которые можно получить методами оптимизационной самосборки, приведены на рис.2b–2d.
Также для аналогичных целей целесоообразно применять функцию Де Йонга [18] с использованием имитации отжига при поиске минимума:
.
Значение k для подобных визуализаций может быть достаточно малым (например, k=0,002), а d – целочисленным и сравнительно большим (например, d=25) при a, заданном в виде составленной по большей части из пропорциональных значений матрицы следующего вида:
.
Эта двумерная мультимодальная функция, по определению, представляется в виде "капель на поверхности", что позволяет использовать ее и для визуализации результатов "мокрого" процесса, связанного с самосборкой интегральных микросхем и построением "мягкой" (soft) [19,20] или "влажной" (wet) [21–23] электроники и оптоэлектроники [24]. Результаты моделирования с использованием функции Де Йонга показаны на рис.2e и 2f.
Сопоставимость теоретических и опытно-конструкторских результатов можно продемонстрировать, используя открытые данные по электронной микрофабрикации, имеющиеся в сети. Так, визуализация атомно-силовых микрографических регистраций бороздок микрочипа без постпроцессинга (сглаживания) демонстрирует неоднородную дискретную микроструктуру (рис.3), отвечающую модели бороздок на основе ступенчатой функции (рис.2a), а "смачиваемые" (wetting controlled) литографические структуры (рис.4) хорошо аппроксимируются инвертированными функциями Де Йонга и Шекеля (рис.2b–2f). Инверсия здесь означает, что вычисления базируются на поиске максимума, а не минимума, в отличие от обычной трактовки оптимизации с использованием данных функций.
"Регуляризованная" инвертированная функция Михалевича также может быть полезна при аппроксимации "темплатов" в моделировании и автоматическом трассировании электронных компонент, формировании топологии чипов. Рис.5, на котором приведена инвертированная визуализация функции Михалевича, показывает, что она соотносится как "матрица с пуансоном" с подобранной вычислительным путем оптимальной морфологической конфигурацией FinFET 22-нанометрового трехмерного транзистора троичного переключения (троичной логики), который мог бы применяться в троичных ячейках памяти, троичных триггерах и троичных ЭВМ будущего. Таким образом, можно конструировать чипы современного уровня и без обращений к "прямой" самосборке, что, в частности, может быть использовано в реверс-инжиниринге с определением наиболее оптимальных схем, основанном на подборе тестовых функций глобальной оптимизации.
Мы рассмотрели только наиболее простые и распространенные функции подобия и морфометрической аппроксимации, однако их список может и должен быть расширен в целях развития самоорганизующейся микроэлектроники и наноэлектроники – как стандартной твердотельной, так и ее soft- и wet-модификаций [26,27].
Автор благодарит коллег из ИХФ и ИНЭПХФ РАН за плодотворные обсуждения, которые инициировали появление данной статьи. Также выражается благодарность О.Градову, участвовавшему в работе над проектом в 2010–2011 гг. [13], литературно и концептуально откорректировавшему этот текст, но отказавшемуся от соавторства из-за ряда технических несогласий.
Литература
1.Smits E.C.P., Mathijssen S.G.J., van Hal P.A., Setayesh S., Geuns T.C.T., Mutsaers K.A.H.A. et al. Bottom-up organic integrated circuits. – Nature, vol. 455, iss.7215, p. 956–959, 2008.
2.Yang J.K.W., Jung Y.S., Chang J.B., Mickiewicz R.A., Alexander-Katz A., Ross C.A., Berggren K.K. Complex self-assembled patterns using sparse commensurate templates with locally varying motifs. – Nature Nanotechnology, 2010, vol. 5, p. 256–260.
3.Chang J.-B., Choi H.K., Hannon A.F., Alexander-Katz A., Ross C.A., Berggren K.K. Design rules for self-assembled block copolymer patterns using tiled templates. – Nature Communications, 2014, vol. 5, art. no.3305.
4.Bita I., Yang J.K., Jung Y.S., Ross C.A., Thomas E.L., Berggren K.K. Graphoepitaxy of self-assembled block copolymers on two-dimensional periodic patterned templates. – Science, 2008, vol. 321, iss. 5891, p. 939-943.
5.Jung Y.S., Chang J.B., Verploegen E., Berggren K.K., Ross C.A. A path to ultranarrow patterns using self-assembled lithography. – Nano Letters, 2010, vol. 10, iss. 3, p. 1000–1005.
6.Lovbjerg M., Krink T. Extending Particle Swarm Optimisers with Self-Organized Criticality. – Proceedings of the Fourth Congress on Evolutionary Computation,2002, vol. 2, p. 1588–1593.
7.Kim D.H., Shin S. Self-organization of Decentralized Swarm Agents Based on Modified Particle Swarm Algorithm. – Journal of Intelligent and Robotic Systems, 2006, vol. 46, iss. 2, p. 129-149.
8.Son J.G., Chang J.B., Berggren K.K., Ross C.A. Assembly of sub-10-nm block copolymer patterns with mixed morphology and period using electron irradiation and solvent annealing. – Nano Letters, 2011, vol. 11, iss. 11, p. 5079–5084.
9.Tavakkoli K.G.A., Hannon A.F., Gotrik K.W., Alexander-Katz A., Ross C.A., Berggren K.K. Rectangular symmetry morphologies in a topographically templated block copolymer. – Adv. Mater., 2012, vol. 24, iss. 31, p. 4249–4254.
10.Bolkhovitinov A.S. Supercomputer simulation and approximation for surface forms of the normal-field instability in magnetic liquids using particle swarm optimization approach and Griewank function. – Fract. Simul. [Eng. ed.], 2013, Iss. 1, p. 6–12.
11.Bolkhovitinov A.S. Approximation and visualization of normal-field instability surface forms in magnetic liquids using particle swarm optimization approach. – 11th International Conference on Pattern Recognition And Image Analysis, 2013, accepted-paper-list, track 4 “Applied Problems”, ID no.7.
12.Болховитинов А.С. Достижение сопоставимости морфометрических и модельных гистогенетических-морфогенетических данных с помощью тестовых функций глобальной оптимизации. – Морфологія, 2013, т.7, № 2, с.5-19.
13.Bolkhovitinov A.S., Gradov O.V. The “LoC-Optimizer” Program. – Preprint FOUO [Rest.], New York, 2011, 125 p.
14.Michalewicz Z. Genetic Algorithms + Data Structures = Evolution Programs. Berlin, Heidelberg, New York: Springer-Verlag, 1992.
15.Zolotov Y.A. Analytical Circuit Chips (Microinstruments). – Journal of Analytical Chemistry, Vol.51, Iss.4, p.327, 1996.
16.Золотов Ю.А. Аналитические схемы на чипе (микроприборы). – Сб. "Микрофлюидные системы для химического анализа", М.: Физматлит, 2011, 528 с.
17.Handbook of Microlithography, Micromachining and Microfabrication: vol.1: "Microlithorgaphy", vol.2: "Micromachining and microfabrication", SPIE Press, 1997.
18.De Jong K. A. An analysis of the behavior of a glass of genetic adaptive systems. – PhD thesis, Michigan: University of Michigan, 1975, 252 p.
19.Chae S.H., Lee Y.H, Carbon nanotubes and graphene towards soft electronics. – Nano Convergence, vol.1, art.no.15, p.1-26, 2014.
20.Gozen B.A., Tabatabai A., Ozdoganlar O.B., Majidi C. High-density soft-matter electronics with micron-scale line width. – Adv. Mater., vol.26, iss.30, p.5211-5216, 2014.
21.Jain T., Tang Q., Bjørnholm T., Nørgaard K. Wet chemical synthesis of soluble gold nanogaps. – Acc. Chem. Res., vol.47, iss.1, p.2-11, 2014.
22.Seo Y.H., Jeong S., Jo Y., Choi Y., Ryu B.H., Han G., Lee M. Long-term dispersion stability and adhesion promotion of aqueous Cu nano-ink for flexible printed electronics. – Journ. Nanosci Nanotechnol., vol.13, iss.8, p.5661-5664, 2013.
23.Ghosh K., Kumar M., Wang H., Maruyama T., Ando Y. Nitrogen-mediated wet-chemical formation of carbon nitride/ZnO heterojunctions for enhanced field emission. – Langmuir, vol.26, iss.8, p.5527-5533, 2010.
24.Liu H., Steigerwald M.L., Nuckolls C. Electrical double layer catalyzed wet-etching of silicon dioxide. – Journ. Amer. Chem. Soc., vol.131, iss.47, p.17034-17035, 2014.
25.Hao B., Liu H., Chen F., Yang Q., Qu P., Du G., Si J., Wang X., Hou X. Versatile route to gapless microlens arrays using laser-tunable wet-etched curved surfaces. – Opt. Express., vol.20, iss.12, p.12939-12948, 2014.
26.Hong S.-H., Cho J.-Y., Yang K.-Y., Lee H. Direct Patterning of Nanoscale Cu2O Resistive Material for Soft Nanoelectronics. – Appl. Phys. Expr. , vol.5, iss.12, p.126501-1–126501-3, 2012.
27.Liu Z., Iltanen K., Chekurov N., Grigoras K., Tittonen I. Aluminum oxide mask fabrication by focused ion beam implantation combined with wet etching. – Nanotechnology, vol.24, iss.17, art.no.175304, p.1-6, 2013.
Отзывы читателей
