Прогнозирование свойств полупроводниковых золь-гель слоев ZnᵪMgᵧO с помощью искусственных нейронных сетей

Abstract

С использованием искусственных нейронных сетей выполнено прогнозирование свойств полупроводниковых золь-гель пленок состава ZnᵪMgᵧO. Для формирования обучающего массива данных и массива данных для тестирования нейронных сетей золь-гель методом были сформированы пленки ZnO : Mg. Измерение фотоэлектрических характеристик золь-гель покрытий было выполнено на автоматизированном базовом лазерном испытательном комплексе в соответствии с ГОСТ-17772-88. Эксперименты были выполнены для 150 вариантов входных параметров, 135 из которых были использованы для обучения нейронных сетей. В работе выполнено исследование влияния архитектуры нейронных сетей на точность прогнозирования свойств полупроводниковых золь-гель пленок ZnᵪMgᵧO. Using artificial neural networks, the properties of semiconductor sol-gel layers of ZnᵪMgᵧO were predicted. To form a training data set and a data set for testing neural networks by the sol-gel method, layers were formed based on ZnO : Mg films. The measurement of the photoelectric characteristics of the sol-gel coatings was carried out on an automated basic laser testing complex in accordance with National Standart-17772-88. The experiments were performed for 150 input parameters, 135 of which were used to train neural networks. In this work, we studied the influence of the architecture of neural networks on the accuracy of predicting the properties of ZnᵪMgᵧO semiconductor sol-gel layers.