日本電信集團NTT結合自動化設備與機器學習，開發出「可解釋的自主成膜技術」。透過機器人與AI的協同，自動執行「濺鍍成膜-光學檢測-參數決策」的自主循環實驗，相較於傳統人工操作模式，可使成膜與評估週期效率提升約三倍，同時突破過往AI最佳化過程的「黑箱」問題，將數據轉化為研究人員可理解、可複用的成膜規則。研究團隊以「隨機森林(Random Forest)」演算法分析探索數據。將多維度的預測結果拆解為各參數的獨立貢獻與相互作用，釐清影響薄膜品質的關鍵因素。
在次世代功率半導體材料氧化鎵(β-Ga₂O₃)的濺鍍實證中，系統先於藍寶石基板上針對溫度、功率、Ar與O₂流量進行自主最佳化。歷經56次探索後，將反映結晶缺陷的烏爾巴赫能量(EU)降至182 meV，達到當時已報導成果中的最低值，再將該條件轉用於β-Ga₂O₃基板，成功製作高品質單晶薄膜。數據分析進一步發現，溫度與O₂流量存在顯著交互作用，依此萃取出的成膜規則進行二次優化，更將EU降低至163 meV。證實該規則可實際提升成膜品質。NTT指出，此技術整合高通量實驗、機器學習與知識抽取，為半導體、氧化物、量子材料等複雜製程提供研究基礎。未來將拓展多指標優化與跨材料驗證，推動研究自動化與智慧化。