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-jun WANGTao WANGYing-kai WANGXing-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
- 文件大小:
- 1.81 MB
- 下载次数:
- 60
-
高速下载
|
|
