一种基于深度学习和提拉法的导电型氧化镓的质量预测方法、制备方法及系统
基本信息
| 申请号 | CN202011640679.2 | 申请日 | - |
| 公开（公告）号 | CN112863620A | 公开（公告）日 | 2021-05-28 |
| 申请公布号 | CN112863620A | 申请公布日 | 2021-05-28 |
| 分类号 | G06N3/04(2006.01)I;G06N3/08(2006.01)I;G16C60/00(2019.01)I;C30B15/20(2006.01)I;C30B29/16(2006.01)I | 分类 | 物理 |
| 发明人 | 齐红基;陈端阳;赛青林 | 申请（专利权）人 | 杭州富加镓业科技有限公司 |
| 代理机构 | 深圳市君胜知识产权代理事务所（普通合伙） | 代理人 | 徐凯凯 |
| 地址 | 311400浙江省杭州市富阳区春江街道江南路68号第23幢301室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习和提拉法的导电型氧化镓的质量预测方法、制备方法及系统，质量预测方法包括步骤：获取提拉法制备导电型氧化镓单晶的制备数据，所述制备数据包括籽晶数据、环境数据以及控制数据，所述环境数据包括掺杂元素浓度、掺杂元素类型；对所述制备数据进行预处理，得到预处理制备数据；将所述预处理制备数据输入训练好的神经网络模型，通过所述训练好的神经网络模型得到所述导电型氧化镓单晶对应的预测质量数据，所述预测质量数据包括预测载流子浓度。本发明可通过训练好的神经网络模型对导电型氧化镓单晶的质量进行预测，因此可以调整制备数据得到预设载流子浓度的导电型氧化镓单晶，使得导电型氧化镓单晶的性能得到优化。 |
