Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения

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.