详细内容或原文请订阅后点击阅览
机器学习能够实时分析反应磁控溅射中氧化铁薄膜的生长
筑波大学的研究人员开发了一种技术，可以实时估计氧化铁薄膜形成过程中的价态和生长速率。这项新技术是通过使用机器学习分析反应溅射过程中产生的等离子体发射光谱的全波长数据来实现的。有望实现薄膜沉积过程的高精度控制。
来源:英国物理学家网首页筑波大学的研究人员开发了一种技术，可以实时估计氧化铁薄膜形成过程中的价态和生长速率。这项新技术是通过使用机器学习分析反应溅射过程中产生的等离子体发射光谱的全波长数据来实现的。有望实现薄膜沉积过程的高精度控制。
金属氧化物和氮化物薄膜常用于电子器件和能源材料。反应溅射是一种通过目标金属与氧气或氮气等气体反应来沉积薄膜的通用技术。该工艺面临的挑战是目标表面在金属态和化合物态之间转变，导致薄膜生长速率和成分发生较大波动。目前，实时监测成膜过程中材料的化学状态和沉积速率的有效方法有限。
电子设备采用基于主成分分析的机器学习技术来检查反应溅射等离子体内产生的大量发射光谱。该分析的重点是评估薄膜形成的状态。研究结果发表在《先进材料科学与技术：方法》上，表明仅使用光谱的第一和第二主成分即可准确识别氧化铁薄膜的价态。此外，薄膜生长速率的预测精度很高。
主成分分析 已发布 薄膜 谱线 实时 控制系统 更多信息： DOI：10.1080/27660400.2025.2544523