面向喷墨打印组件分析的自动化机器学习方法：迈向智能增材制造的一步

在本文中，我们提出了一种基于机器学习的架构，用于对柔性基底上的喷墨打印组件进行微波表征。我们提出的架构使用多种机器学习算法，并自动选择最佳算法以从晶圆上测量中提取材料参数（油墨电导率和介电特性）。最初，利用喷墨打印共面波导（CPW）的材料参数与电磁仿真传播常数之间的相互依赖性来训练机器学习模型。接下来，将这些机器学习模型与测量的传播常数一起使用，以提取测试原型的油墨电导率和介电特性。为了证明我们提出方法的适用性，我们比较和对比了四种基于启发式的机器学习模型。结果表明，极限梯度提升树回归器（XGB）和轻量梯度提升（LGB）算法在所研究的表征问题上表现最佳。