[发明专利]基于机器学习的锡基钙钛矿薄膜晶体管优化方法及其装置

说明书

本发明提供了一种基于机器学习的锡基钙钛矿薄膜晶体管优化方法及其装置，可以应用于人工智能以及光电材料技术领域。该基于机器学习的锡基钙钛矿薄膜晶体管优化方法包括：根据确定的锡基钙钛矿薄膜晶体管的工艺设计参数，确定初始候选点；对初始候选点进行聚类，得到N个聚类中心；根据N个聚类中心，筛选距离每个聚类中心由远到近的M个候选点，作为目标候选点；获取基于目标候选点制备锡基钙钛矿薄膜晶体管后得到的初始数据集，其中，初始数据集包括目标候选工艺设计空间内的设计参数值以及设计参数值对应的器件性能标签；以及在确定器件性能标签满足预设性能的情况下，确定目标设计参数值，用于制备得到优化后的锡基钙钛矿薄膜晶体管。

技术领域

本发明涉及人工智能以及光电材料技术领域，具体涉及一种基于机器学习的锡基钙钛矿薄膜晶体管优化方法、基于机器学习的锡基钙钛矿薄膜晶体管优化装置、电子设备和存储介质。

背景技术

薄膜晶体管(Thin-film transistor, TFT)是现代电子技术的关键元件，锡基钙钛矿材料具有出色的光电性能、便捷的加工方式和较低的生产成本，其在室温下具有较低的离子迁移和较高的载流子迁移率，是晶体管的有效候选材料。但在制备高质量锡基钙钛矿薄膜晶体管的工艺中，可供优化的参数十分冗杂，仅凭人工试错，不仅效率低下、覆盖面窄，还会导致成本增加。因此，研究高通量优化方法至关重要。

发明内容

鉴于上述问题，本发明提供了一种基于机器学习的锡基钙钛矿薄膜晶体管优化方法、基于机器学习的锡基钙钛矿薄膜晶体管优化装置、电子设备和存储介质。

作为本发明的一方面，提供了一种基于机器学习的锡基钙钛矿薄膜晶体管优化方法，包括：

根据确定的锡基钙钛矿薄膜晶体管的工艺设计参数，确定初始候选点，其中，初始候选点表征初始候选工艺设计空间，每个初始候选工艺设计空间包括一个或多个工艺设计参数值；

对初始候选点进行聚类，得到N个聚类中心，其中，N为大于等于2的整数；

根据N个聚类中心，筛选距离每个聚类中心由远到近的M个候选点，作为目标候选点，其中，M为大于等于1的整数；

获取基于目标候选点制备锡基钙钛矿薄膜晶体管后得到的初始数据集，其中，初始数据集包括目标候选工艺设计空间内的设计参数值以及设计参数值对应的器件性能标签；以及

在确定器件性能标签满足预设性能的情况下，确定目标设计参数值，用于制备得到优化后的锡基钙钛矿薄膜晶体管，其中，预设性能至少包括两个器件性能。

根据本发明的实施例，基于机器学习的锡基钙钛矿薄膜晶体管优化方法，还包括：

在确定器件性能标签不满足预设性能的情况下，将初始数据集输入预先训练好的高斯模型，输出后验分布结果；

利用获取函数，从后验分布结果中获取目标数据集；以及

根据目标数据集，确定目标设计参数值。

根据本发明的实施例，根据目标数据集，确定目标设计参数值，包括：

获取利用目标数据集制备锡基钙钛矿薄膜晶体管后得到的目标性能；以及

在确定目标性能满足预设性能的情况下，基于目标性能，确定目标设计参数值。

根据本发明的实施例，根据目标数据集，确定目标设计参数值，还包括：

在确定目标性能不满足预设性能的情况下，将目标数据集和初始数据集作为新的初始数据集，以便获取新的目标数据集；以及

根据新的目标数据集，确定新的目标设计参数值。

根据本发明的实施例，基于机器学习的锡基钙钛矿薄膜晶体管优化方法，还包括：