摘要
本发明涉及金刚石型半导体材料开发技术领域,尤其涉及金刚石型半导体关键性质演化物理机制并精准预测的方法。步骤如下:S1:对金刚石型半导体关键物理性质进行分析;S2:基于得到的数据构建回归模型;S3:基于得到的最优机器学习模型预测金刚石型半导体禁带宽度、内聚能、杨氏模量和拉曼频率;S4:建立关键性质与化学键键特征之间的关联机制。本发明提供的金刚石型半导体关键性质演化物理机制并精准预测的方法,通过网络爬虫方法获取金刚石型半导体的禁带宽度,内聚能,杨氏模量和拉曼频率;通过机器学习预测金刚石型半导体的禁带宽度、内聚能、杨氏模量和拉曼频率;基于键弛豫理论方法表明键长变短、键能增强决定着这些性质的原子尺寸效应。
技术关键词
金刚石
机器学习模型
禁带宽度
回归模型构建方法
网络爬虫方法
物理
频率
键特征
密度泛函理论
皮尔逊相关系数
演化机制
机器学习算法
训练集数据
半导体材料
表达式
描述符
误差
系统为您推荐了相关专利信息
烫发器
温度控制方法
异常消息
生成参数
温度控制装置
低碳优化调度方法
综合能源系统
碳捕集设备
机器学习模型
负荷
量化评估方法
机器学习模型
时域特征
频域特征
智能穿戴设备