虽然在热量传导和电子迁移方面更强，但研究者表示他们也不知道可以将立方砷化硼用在什么地方，实现商业用途更是面临巨大挑战。
硅是地球上最丰富的元素之一，已然成为现代技术的基础，从太阳能电池到计算机芯片都有硅的身影。但硅特性在半导体领域远非理想首选。一方面，尽管硅可以让电子轻松穿过其结构，但它不太适合「电洞，holes」，电洞相当于带正电的粒子，在半导体的导电中起主要作用，因此对芯片来说很重要。更重要的是，硅不太擅长导热，这就是为什么过热问题和昂贵的冷却系统在计算机中很常见的原因。现在，来自 MIT、休斯顿大学和其他机构的一组研究人员发现了一种称为立方砷化硼的材料，这种材料可以克服硅的上述两个限制。其为电子和电洞提供了高迁移率，并具有优良的热导率。研究人员表示，这是迄今为止发现最好的半导体材料，在将来也可能说是最好的材料。该研究登上《Science》。该研究使用了麻省理工学院 MRSEC 共享实验设施，并得到了美国国家科学基金会的支持。
论文地址：https://www.science.org/doi/10.1126/science.abn4290不过，到目前为止，立方砷化硼的研究还处于在实验室小规模批量生产和测试阶段。因此研究人员采用最初由前 MIT 博士后 Bai Song 开发的特殊方法来测试材料中的小区域。研究者还需要做更多的工作来确定立方砷化硼是否可以以实用、经济的形式制造，现在看来替代无处不在的硅也是很遥远的事。研究人员表示，即使在不久的将来，这种材料也可以找到一些其他用途，其独特的特性会产生重大影响。MIT 博士后 Jungwoo Shin 以及机械工程教授陈刚（Gang Chen）在论文中报道了这一发现，休斯顿大学 Zhifeng Ren 也参与了这项研究 。
其实这项研究早已经展开，David Broido 等人（本篇论文的作者之一）从理论上预测该材料将具有高热导率。随后的研究也证明了这一预测。发表在《Science 》上的最新工作通过实验证实了陈刚团队早在 2018 年做出的预测，从而完成了分析：立方砷化硼对电子和电洞具有非常高的迁移率，「这使得这种材料非常独特，」陈刚表示 。较早的实验表明，立方砷化硼的热导率几乎是硅的 10 倍。「所以，这对于散热来说非常有吸引力，」陈刚表示。他们还表明，该材料具有非常好的带隙，这一特性使其具有作为半导体材料的巨大潜力。这项新研究表明砷化硼具有高电子和电洞迁移率，具有理想半导体所需的所有主要品质。「这很重要，因为在半导体中，同时有正电荷和负电荷。所以，如果你要制造一个设备，你想要一种电子和电洞都以较小的阻力传播的材料。」陈刚表示。
论文一作 Shin 表示，「热量是很多电子设备面临的一个主要瓶颈。碳化硅正在取代包括特斯拉在内主要电动汽车厂商使用的动力电子硅产品，尽管它的电子迁移率更差，但热导率是硅的三倍。」可以想象一下，砷化硼可以达到什么效果呢？要知道，它的热导率是硅的 10 倍，迁移率也比硅强得多。砷化硼可以「改变游戏规则」。Shin 还补充道，使砷化硼这一发现成为可能的关键性里程碑是 MIT 在超快激光光栅系统方面取得的进展。如果没有这些进展，就不可能证明砷化硼对电子和电洞的高迁移率。立方砷化硼的电子属性最初是根据陈刚团队所做的量子力学密度函数计算来预测的。现在，这些预测已经通过 MIT 的实验验证，该实验使用了关于样本的光学检测方法。立方砷化硼的热导率不仅是所有半导体中最好的，在所有材料中也排第三，仅次于金刚石和富含同位素的立方氮化硼。陈刚对此表示，现在已经可以从第一性原理预测电子和电洞的量子力学行为，并被证明是正确的。除了石墨烯外，不知道是否还有其他材料具备所有这些属性。谈到挑战，陈刚表示要找出使立方砷化硼这一材料达到可用数量的实用方法。当前方法会导致该材料非常不均匀，因此必须找到方法来测试它的小的局部 patch。陈刚也承认，虽然他们已经展示了这一材料的巨大前景，但「尚不清楚是否或者在什么地方可以实际使用。」目前，硅仍是整个行业的主力。即使立方砷化硼是一种更好的材料，但它真的能颠覆这个行业吗？研究者无法给出答案。虽然这一材料看起来是一种理想的半导体，但是否可以在设备中实际使用以及取代目前市场上的一些产品，这些都有待证明。
虽然热性能和电性能都已被证明非常出色，但立方砷化硼的很多其他属性仍然有待测试，比如长期稳定性。并且，人们甚至都没有真正关注到砷化硼。至于实现商业用途，Ren 认为一个巨大的挑战是像硅一样高效地生产和纯化立方砷化硼。硅花了几十年才「赢得桂冠」，纯度超过了 99.99999999%。https://news.mit.edu/2022/best-semiconductor-them-all-0721https://uh.edu/news-events/stories/2022-news-articles/july-2022/07212022-semiconductor-materials.phphttps://searchcio.techtarget.com.cn/whatis/8-28670/ 
从算力到半导体供应链，硬件如何决定机器学习的研究趋势
