基于SnO_(2)∶Sb薄膜沉积工艺参数优化的支持向量回归分析
Support Vector Regression Analysis Based on the Process ParameterOptimization of SnO_(2)∶Sb Thin Film Deposition作者机构:重庆理工大学光伏新能源应用技术与设备研究所重庆400054 重庆理工大学物理实验中心重庆400054 绿色能源材料技术与系统重庆市重点实验室重庆400054
出 版 物:《材料导报》 (Materials Reports)
年 卷 期:2023年第37卷第11期
页 面:33-38页
核心收录:
学科分类:08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 080502[工学-材料学]
基 金:重庆市教育委员会科学技术研究基金(KJQN202201137) 重庆市自然科学基金(博士后基金)(cstc2021jcyj-bshX0219) 重庆理工大学研究生教育高质量发展项目(gzljg2023315) 重庆理工大学研究生创新项目(clgycx20203141)
主 题:支持向量回归 SnO_(2) ∶Sb薄膜 工艺参数优化 雾化辅助CVD
摘 要:开发低成本高质量透明导电氧化物薄膜材料的生长技术对现代光电产业发展十分重要。面对多维的薄膜生长工艺参数空间,在寻求最优薄膜生长参数过程中如何有效降低时间、材料成本是研究人员迫切关注的问题。基于雾化辅助CVD法在石英衬底上制备SnO_(2)∶Sb薄膜,利用实验设计方法,获得不同工艺参数下制备的SnO_(2)∶Sb薄膜实验数据集。应用基于贝叶斯优化的支持向量回归方法,建立SnO_(2)∶Sb薄膜透明导电性能的支持向量回归预测模型,结合预测模型对整个工艺参数空间进行探索。利用有限27组工艺参数组合可在四维参数空间中找到高质量SnO_(2)∶Sb薄膜的有效制备参数。在最优工艺参数下制备薄膜的可见光透过率可达86.61%,方块电阻为21.1Ω·□^(-1),膜厚约380 nm。为基于雾化辅助CVD法制备薄膜材料的最优制备工艺探索提供一条有效途径,可有效节约开发成本。