西安石油大學，重要論文！

    相關研究內容

    相關研究內容

     論文發表信息（圖片均由西安石油大學提供）

    近日，西安石油大學化學化工學院范崢、黃風林科研團隊以范崢為第一作者、西安石油大學為第一單位在國際膜科學領域學術期刊Journal of Membrane Science（JCR、中科院分區雙一區TOP期刊，IF=10.53）上發表了題為Wavelet neural network modeling for the retention efficiency of sub-15 nm nanoparticles in ultrafiltration under small particle to pore diameter ratio的論文。

    目前，在大規模及超大規模集成電路的加工過程中，超凈高純試劑廣泛用于芯片及硅晶圓片表面的清洗、刻蝕，其純度、清潔度對集成電路的成品率、電性能及可靠性具有十分顯著的影響。在確保產品質量滿足SEMI-C12（Semiconductor Equipment and Materials International，即國際半導體設備和材料協會）相關要求基礎上，持續降低過程能量消耗，切實助力“雙碳”背景下全球集成電路行業的節能降耗、提質增效一直是膜科學領域中的研究熱點。

    該成果緊密圍繞陜西省集中力量打造的23條重點產業鏈之一——大規模及超大規模集成電路加工中的核心環節——超凈高純試劑微小納米顆粒凈化展開。在小粒徑膜孔比條件下，利用超濾膜與小顆粒間的內生擴散性、靜電吸引力有效實現<15nm顆粒的高效捕集，抑制了濾膜上下游逐漸增大的高壓差，顯著降低過程能量消耗。同時，分析、闡明了諸因素對納米顆粒截留效率的作用規律和作用、強弱，確定了基于小粒徑膜孔比的膜超濾技術未來優化發展方向。此外，以濾膜特征、顆粒性質、溶液特點、操作條件等13個關鍵參數為輸入信號，通過小波人工神經網絡建立了<15nm顆粒超濾截留效率預測模型，并與基于經典和擴展DLVO理論的MEDLVO-Maxwell模型進行了對比、分析。結果表明，針對pH變化，小波人工神經網絡模型預測值與MEDLVO-Maxwell模型計算結果高度一致，且小波人工神經網絡模型更加強大、便捷，可以快速、準確地預測極端條件下膜超濾過程的納米顆粒截留效果。該工作有效解決了半導體、芯片、硅晶圓片表面清洗、刻蝕等生產過程的“卡脖子”問題，為超濾技術在陜西省乃至全國超凈高純試劑生產中的大范圍推廣提供了切實可行的解決途徑，為大規模及超大規模集成電路加工提供了基本條件，促進智能制造的可持續發展。