【国际论文】基于机器学习的超宽禁带无定形氧化镓（a-Ga₂Oₓ）溶液加工费米级预测

        今日由日本奈良先端科学技术大学院大学在科学期刊《美国化学学会（ACS）》上刊登了一篇名为Machine-Learned Fermi Level Prediction of Solution-Processed Ultrawide-Bandgap Amorphous Gallium Oxide (a-Ga₂O_x) （《基于机器学习的超宽禁带无定形氧化镓（a-Ga₂O_x）溶液加工费米级预测》）的论文文章。

论文摘要：

        费米能级（EF）与传导带最小值的相对位置是控制薄膜晶体管、传感器和光电探测器的电导率和半导体设备性能的一个关键部分。通过实验方法预测EF的实验复杂性和昂贵的材料资源使得机器学习（ML）方法更加合适。这项工作提出了ML辅助的超宽带（UWB）非晶氧化镓（a-Ga₂O_x）溶液加工的EF预测。利用实验特征，包括a-Ga₂O_x薄膜溶液沉积期间的薄膜厚度、烘烤温度和气体环境，训练了三种回归模型--核脊回归、支持向量回归和随机森林回归。结果表明，ML模型可以用来预测UWB a-Ga₂O_x薄膜的EF，也可以确定优化的制造参数以达到最佳的EF。此外，ML方法可以大大加快半导电的UWB a-Ga₂O_x材料的制造，用于未来的设备应用。这项工作是朝着开发UWB a-Ga₂O_x基器件的快速和低成本优化方法迈出的一大步。

以下为部分数据展示：

论文链接：https://pubs.acs.org/doi/abs/10.1021/acsaelm.2c01013