基于迁移学习的LiPON制备工艺模拟优化
文档名：基于迁移学习的LiPON制备工艺模拟优化
摘要：不同工艺参数对磁控溅射制备固态电解质薄膜LiPON的物理化学特性有巨大影响,使用机器学习对过程建模,能加强内部原理理解,优化参数提升薄膜性能.迁移学习通过挖掘历史数据集中的信息,提升模型精确度与泛化能力,从而更好地找到良好的工艺参数.本文以文献中磁控溅射制备LiPON的数据集为例,探究靶基距离、溅射功率、溅射气压对LiPON薄膜的离子电导率的影响.对比普通机器学习,迁移学习模型在多项误差指标上提升30％以上.通过模型遍历参数空间,搜寻最佳工艺组合,预测LiPON薄膜的离子电导率为2.04μS/cm,优于文献中的最优值,方差分析与实际样本证明了该方法具有可行性.
作者：吴军君王涛王英楷王星辉Author：WUJun-junWANGTaoWANGYing-kaiWANGXing-hui
作者单位：福州大学物理与信息工程学院,福建福州350000;福州大学微纳器件与太阳能电池研究所,福建福州350000
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(3)
分类号：TM912TP181
关键词：LiPON迁移学习机器学习工艺优化方差分析
机标分类号：TQ018TM911TQ223.121
在线出版日期：2023年5月6日
基金项目：国家自然科学基金，福建省自然科学基金项目，福建省自然科学基金项目基于迁移学习的LiPON制备工艺模拟优化[
期刊论文]电子学报--2023, 51(3)吴军君王涛王英楷王星辉不同工艺参数对磁控溅射制备固态电解质薄膜LiPON的物理化学特性有巨大影响,使用机器学习对过程建模,能加强内部原理理解,优化参数提升薄膜性能.迁移学习通过挖掘历史数据集中的信息,提升模型精确度与泛化能力,从而更好...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于迁移学习的LiPON制备工艺模拟优化Transfer-Learning-Based Virtual Process Optimization for LiPON
基于迁移学习的LiPON制备工艺模拟优化.pdf
页:
[1]