Вышедшие номера
Home » Письма в журнал технической физики » Год 2025, выпуск 22 » Статья стр. 31
<<<>>>
Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения
Ministry of Science and Higher Education of the Russian Federation , State assignment to the Institute for Problems in Mechanical Engineering , FFNF-2021-0001
Ministry of Science and Higher Education of the Russian Federation , State assignment to St. Petersburg State University , 129360164
Редьков А.В. 1, Роженцев Д.В.1, Гращенко А.С. 1, Осипов А.В. 1, Кукушкин С.А. 1
1Институт проблем машиноведения РАН, Санкт-Петербург, Россия
Email: avredkov@gmail.com, asgrashchenko@bk.ru, sergey.a.kukushkin@gmail.com
Поступила в редакцию: 14 июля 2025 г.
В окончательной редакции: 14 августа 2025 г.
Принята к печати: 14 августа 2025 г.
Выставление онлайн: 13 октября 2025 г.
PDF версия
Продемонстрировано применение методов машинного обучения для прогнозирования свойств эпитаксиальных структур в многопараметрических технологических процессах, характеризующихся сложными нелинейными зависимостями. В качестве модельной системы исследован синтез тонких пленок карбида кремния на кремниевых подложках методом замещения атомов. Разработана нейросетевая модель, способная предсказывать ключевые характеристики получаемых пленок SiC на основе технологических параметров синтеза, включающих давление, температуру, тип подложки и иные условия. Выполнена комплексная оптимизация структуры модели и проведена валидация точности прогнозирования. Ключевые слова: машинное обучение, нейросетевая модель, эпитаксиальный рост, SiC, Si, метод замещения атомов.
  1. N.G. Orji, M. Badaroglu, B.M. Barnes, C. Beitia, B.D. Bunday, U. Celano, R.J. Kline, M. Neisser, Y. Obeng, A.E. Vladar, Nat. Electron., 1 (10), 532 (2018). DOI: 10.1038/s41928-018-0150-9
  2. Y.K. Wakabayashi, T. Otsuka, Y. Krockenberger, H. Sawada, Y. Taniyasu, H. Yamamoto, APL Mater., 7 (10), 101114 (2019). DOI: 10.1063/1.5123019
  3. G. Wu, Y. Wang, Q. Gong, L. Li, X. Wu, IEEE Access, 10, 9848 (2022). DOI: 10.1109/ACCESS.2022.3143811
  4. H. Shi, Z. Jin, W. Tang, J. Wang, K. Jiang, M. Xu, W. Xia, X. Xu, Knowledge-Based Syst., 280, 110994 (2023). DOI: 10.1016/j.knosys.2023.110994
  5. T.C. Kaspar, S. Akers, H.W. Sprueill, A.H. Ter-Petrosyan, J.A. Bilbrey, D. Hopkins, A. Harilal, J. Christudasjustus, P. Gemperline, R.B. Comes, J. Vac. Sci. Technol. A, 43 (3), 032702 (2025). DOI: 10.1116/6.0004493
  6. R.K. Vasudevan, A. Tselev, A.P. Baddorf, S.V. Kalinin, ACS Nano, 8 (10), 10899 (2014). DOI: 10.1021/nn504730n
  7. I. Ohkubo, Z. Hou, J.N. Lee, T. Aizawa, M. Lippmaa, T. Chikyow, K. Tsuda, T. Mori, Mater. Today Phys., 16, 100296 (2021).  DOI: 10.1016/j.mtphys.2020.100296
  8. A.V. Redkov, Acta Mater., 287, 120762 (2025). DOI: 10.1016/j.actamat.2025.120762
  9. V.N. Bessolov, D.V. Karpov, E.V. Konenkova, A.А. Lipovskii, A.V. Osipov, A.V. Redkov, I.P. Soshnikov, S.A. Kukushkin, Thin Solid Films, 606, 74 (2016). DOI: 10.1016/j.tsf.2016.03.034
  10. A.V. Redkov, S.A. Kukushkin, Cryst. Growth Des.,  20 (4), 2590 (2020). DOI: 10.1021/acs.cgd.9b01721
  11. A. Redkov, Front. Chem., 11, 1189729 (2023). DOI: 10.3389/fchem.2023.1189729
  12. A. Redkov, S. Kukushkin, Faraday Discuss., 235, 362 (2022). DOI: 10.1039/D1FD00083G
  13. A. Redkov, Crystals, 14 (1), 25 (2023). DOI: 10.3390/cryst14010025
  14. S.A. Kukushkin, A.V. Osipov, J. Phys. D, 47, 313001 (2014). DOI: 10.1088/0022-3727/47/31/313001
  15. A.S. Grashchenko, S.A. Kukushkin, A.V. Osipov, A.V. Redkov, Catal. Today, 397, 375 (2022). DOI: 10.1016/j.cattod.2021.08.012
  16. А.В. Редьков, А.С. Гращенко, С.А. Кукушкин, А.В. Осипов, К.П. Котляр, А.И. Лихачев, А.В. Нащекин, И.П. Сошников, ФТТ, 61 (3), 433 (2019). DOI: 10.21883/FTT.2019.03.47232.265 [A.V. Redkov, A.S. Grashchenko, S.A. Kukushkin, A.V. Osipov, K.P. Kotlyar, A.I. Likhachev, A.V. Nashchekin, I.P. Soshnikov, Phys. Solid State, 61, 299 (2019). DOI: 10.1134/S1063783419030272]
  17. A. Paszke, arXiv:1912.01703 (2019)
  18. T. Akiba, S. Sano, T. Yanase, T. Ohta, M. Koyama, in Proc. of the 25th ACM SIGKDD Int.Conf. on Knowledge Discovery \& Data Mining (Anchorage, USA, 2019), p. 2623--2631. DOI: 10.1145/3292500.3330701
  19. M. Feurer, F. Hutter, in Automated machine learning, ed. by F. Hutter, L. Kotthoff, J. Vanschoren (Springer, Cham, 2019), p. 3--33. DOI: 10.1007/978-3-030-05318-5_1
  20. W.E. Marci lio, D.M. Eler, in 2020 33rd SIBGRAPI Conf. on Graphics, Patterns and Images (SIBGRAPI) (IEEE, 2020), p. 340--347. DOI: 10.1109/SIBGRAPI51738.2020.00053

Подсчитывается количество просмотров абстрактов ("html" на диаграммах) и полных версий статей ("pdf"). Просмотры с одинаковых IP-адресов засчитываются, если происходят с интервалом не менее 2-х часов.

Дата начала обработки статистических данных - 27 января 2016 г.

Учредители

Издатель

© 2025 Физико-технический институт им. А.Ф. Иоффе Российской академии наук
Powered by webapplicationthemes.com - High quality HTML Theme