論文の概要: Transfer Learning for Rapid Extraction of Thickness from Optical Spectra
of Semiconductor Thin Films
- arxiv url: http://arxiv.org/abs/2207.02209v1
- Date: Tue, 14 Jun 2022 16:26:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-10 12:21:14.388039
- Title: Transfer Learning for Rapid Extraction of Thickness from Optical Spectra
of Semiconductor Thin Films
- Title（参考訳）: 半導体薄膜の光学スペクトルからの膜厚迅速抽出のための転写学習
- Authors: Siyu Isaac Parker Tian, Zekun Ren, Selvaraj Venkataraj, Yuanhang
Cheng, Daniil Bash, Felipe Oviedo, J. Senthilnath, Vijila Chellappan, Yee-Fun
Lim, Armin G. Aberle, Benjamin P MacLeod, Fraser G. L. Parlane, Curtis P.
Berlinguette, Qianxiao Li, Tonio Buonassisi, Zhe Liu
- Abstract要約: 厚みMLは分光反射と透過から膜厚を急速に抽出する。
厚みMLは2段階のプロセスで6つのペロブスカイト試料から膜厚を抽出できることを実証した。
その結果, トレーニング前の厚み平均絶対パーセンテージ誤差(MAPE)は5～7%, 実験用厚みMAPEは6～19%であった。
- 参考スコア（独自算出の注目度）: 11.894117300649372
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High-throughput experimentation with autonomous workflows, increasingly used
to screen and optimize optoelectronic thin films, requires matching throughput
of downstream characterizations. Despite being essential, thickness
characterization lags in throughput. Although optical spectroscopic methods,
e.g., spectrophotometry, provide quick measurements, a critical bottleneck is
the ensuing manual fitting of optical oscillation models to the measured
reflection and transmission. This study presents a machine-learning (ML)
framework called thicknessML, which rapidly extracts film thickness from
spectroscopic reflection and transmission. thicknessML leverages transfer
learning to generalize to materials of different underlying optical oscillator
models (i.e., different material classes).We demonstrate that thicknessML can
extract film thickness from six perovskite samples in a two-stage process: (1)
pre-training on a generic simulated dataset of Tauc-Lorentz oscillator, and (2)
transfer learning to a simulated perovskite dataset of several literature
perovskite refractive indices. Results show a pre-training thickness mean
absolute percentage error (MAPE) of 5-7% and an experimental thickness MAPE of
6-19%.
- Abstract（参考訳）: 光電子薄膜のスクリーニングと最適化にますます使用される自律ワークフローによる高スループット実験は、下流特性のマッチングスループットを必要とする。
必要であるにもかかわらず、厚さ特性はスループットに遅れる。
光学分光法、例えば分光測光法は迅速な測定を提供するが、重要なボトルネックは、測定された反射と透過に対する光学振動モデルの手動フィッティングである。
本研究では,分光反射と透過から膜厚を迅速に抽出するthamthmlと呼ばれる機械学習(ml)フレームワークを提案する。
thickMLは転送学習を利用して、基礎となる異なる振動子モデル(つまり異なる物質クラス)の材料に一般化する。
1) tauc-lorentz発振器の汎用シミュレーションデータセットを事前学習し,(2)いくつかの文献のペロブスカイト屈折率のシミュレーションペロブスカイトデータセットへの転送学習を行った。
その結果, トレーニング前の厚み平均絶対パーセンテージ誤差(MAPE)は5～7%, 実験用厚みMAPEは6～19%であった。
関連論文リスト
- SliM-LLM: Salience-Driven Mixed-Precision Quantization for Large Language Models [67.67135738642547]
後学習量子化(PTQ)は、大規模言語モデル(LLM)において研究される強力な圧縮手法である。
既存のPTQ法は、特に4ビット幅以下では、精度と効率の点で理想的ではない。
本稿では,LSM,すなわちSliM-LLMに対するSalience-Driven Mixed-Precision Quantizationスキームを提案する。
論文 参考訳（メタデータ） (2024-05-23T16:21:48Z) - Autonomous sputter synthesis of thin film nitrides with composition
controlled by Bayesian optimization of optical plasma emission [0.0]
制御された組成を有する薄膜のスパッタ堆積のための自律的ワークフローの設計と実装について報告する。
我々は, 蛍光X線で測定したフィルム組成を, 共スパッタ中に観測された発光線の線形関数としてモデル化した。
OESに通知されたベイズ制御アルゴリズムは、スパッタリングパワーの空間をナビゲートし、ユーザ定義の組成で映画を製作する。
論文 参考訳（メタデータ） (2023-05-18T17:09:21Z) - Machine Learning Assisted Inverse Design of Microresonators [0.0]
本稿では,マイクロ共振器の形状を分散プロファイルから決定するツールとして,機械学習(ML)アルゴリズムを実演する。
460サンプルのトレーニングデータセットを有限要素シミュレーションにより生成し, 統合窒化ケイ素マイクロ共振器を用いて実験的に検証した。
論文 参考訳（メタデータ） (2022-11-10T07:55:22Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Bipolar single-molecule electroluminescence and electrofluorochromism [50.591267188664666]
酸化亜鉛フタロシアニン(ZnPc)分子のAg(111)上の極薄NaCl膜に吸着したカチオンおよびアニオン蛍光をSTMLを用いて検討した。
これらは先端サンプルバイアス極性に依存し、特定の分子軌道のオンセットエネルギーと相関する閾値電圧に現れる。
論文 参考訳（メタデータ） (2022-10-20T09:22:45Z) - Machine Learning-enhanced Efficient Spectroscopic Ellipsometry Modeling [2.502933334555377]
我々は機械学習を利用して、効率的なフィルム製造、特に原子層堆積(ALD)を容易にする。
本稿では,膜厚推定を高速化するMLに基づく手法を提案する。
論文 参考訳（メタデータ） (2022-01-01T19:53:03Z) - TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film
Optimization [62.997667081978825]
先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。
複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。
我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
論文 参考訳（メタデータ） (2021-11-24T14:47:37Z) - Quantum-limited determination of refractive index difference by means of
entanglement [0.0]
低コヒーレンスなHong-Ou-Mandel干渉法に基づく量子光学的手法を用いて屈折率差の測定を行う。
この方法で到達した精度向上は、単一光子干渉法に基づく古典的手法でベンチマークされる。
論文 参考訳（メタデータ） (2021-10-21T13:07:27Z) - A novel optical needle probe for deep learning-based tissue elasticity
characterization [59.698811329287174]
光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。
針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
論文 参考訳（メタデータ） (2021-09-20T08:29:29Z) - Optical Flow Method for Measuring Deformation of Soil Specimen Subjected
to Torsional Shearing [0.0]
主な目的は, ねじりせん断を受ける円筒状土壌試料の全高さに沿って変形がどのように分布するかを観察することであった(ts試験)。
乾式非粘着性土壌試料を等方性圧力の2つの値で実験した。
論文 参考訳（メタデータ） (2021-01-18T11:12:46Z) - Microscopic Relaxation Channels in Materials for Superconducting Qubits [76.84500123816078]
我々は,T_$と粒径の相関,粒界に沿った酸素拡散の促進,表面近傍の亜酸化物濃度について検討した。
物理機構は、これらの微視的特性を残留表面抵抗と、粒界および亜酸化物の欠陥から生じる損失を通じて$T_$と結合する。
量子ビットデコヒーレンスチャートを理解するためのこの包括的なアプローチは、超伝導量子ビット性能の材料駆動改善のための経路である。
論文 参考訳（メタデータ） (2020-04-06T18:01:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。