ForschungMaschinelles Lernen für das Design von a-C:H-Schichten mit Hilfe von Gauß-Prozessen
In unserer aktuellen Open-Access-Veröffentlichung wurde die Verwendung von Machine Learning untersucht, um das Design von amorphen Kohlenstoffschichten zu verbessern. So wird durch die Verwendung von Gauß-Prozess-Regressionsmodellen (GPR) eine Visualisierung der Prozesskarte der verfügbaren Schichtdesigns erstellt. Das Training der GPR-Modelle basiert dabei auf den experimentellen Ergebnissen eines zentral zusammengestellten vollfaktoriellen Versuchsplans für die Abscheidung von a-C:H-Schichten […]In unserer aktuellen Open-Access-Veröffentlichung wurde die Verwendung von Machine Learning untersucht, um das Design von amorphen Kohlenstoffschichten zu verbessern. So wird durch die Verwendung von Gauß-Prozess-Regressionsmodellen (GPR) eine Visualisierung der Prozesskarte der verfügbaren Schichtdesigns erstellt. Das Training der GPR-Modelle basiert dabei auf den experimentellen Ergebnissen eines zentral zusammengestellten vollfaktoriellen Versuchsplans für die Abscheidung von a-C:H-Schichten […]
