基于小样本数据的YBa_(2)Cu_(3)O_(7-δ)薄膜生长工艺参数初步探索与机器学习分析OA
YBa_(2)Cu_(3)O_(7–δ)(YBCO)高温超导薄膜的制备受多项工艺参数共同影响,然而实际的薄膜生长实验难以快速积累大规模数据.本文基于小样本实验数据,探究了神经网络模型在优化脉冲激光沉积制备YBCO薄膜过程中的指导作用.数据涵盖衬底种类、氧压、生长时间等10个关键工艺参数,以YBCO的(005)峰位及摇摆曲线半高全宽作为薄膜结构特性的表征指标.通过构建多层感知机模型,并引入Bootstrap重采样与早停机制以缓解有限样本下的过拟合风险.在此基础上,结合皮尔逊相关性检验,对工艺参数与结构特征间的复杂关联进行初步探索与可视化分析,从有限数据中提取关键物理模式.本工作为小样本条件下的超导薄膜实验提供了可迁移的分析框架,也为后续的数据采集和更深入的“工艺-结构-性能”关系研究奠定了基础.本文数据集可在https://doi.org/10.57760/sciencedb.00zs1中访问获取.
王鑫;张济全;李陈志航;任津生;王宇彤;张玉婷;肖俊成;杨立红;江星宇;袁洁
中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902启元实验室,智能部组件研究中心,北京100095启元实验室,智能部组件研究中心,北京100095中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902中国科学院物理研究所,超导国家重点实验室,北京1001902
通用工业技术
YBa_(2)Cu_(3)O_(7-δ)薄膜小样本学习数据效率机器学习工艺优化
《物理学报》 2026 (16)
P.60-67,8
国家重点基础研究发展计划(批准号:2022YFA1603903,2021YFA0718700)国家自然科学基金(批准号:U23A6015,60573172)中国科学院基础研究青年团队(批准号:2022YSBR-048)中国博士后基金(批准号:2023TQ0365,2024M753464,GZB20230826)启元创新基金(批准号:S20230201023)中国科学院超导专项(批准号:SCZX-0102)资助的课题.
评论