利用神经网络快速拟合生长薄膜的反射率数据
软凝聚态物质
2019-10-08 v1 机器学习
摘要
X射线反射率(XRR)是一种强大且流行的散射技术，能够深入揭示薄膜的生长行为。在本研究中，我们展示了如何使用一个简单的神经网络模型，以毫秒级计算时间、最少的用户输入或先验知识，从二氧化硅基底上不同有机半导体(二茚并苝、铜(II)酞菁和-六噻吩)的XRR数据预测其薄膜厚度、粗糙度和密度。对于一个包含372条XRR曲线的大型实验数据集，我们表明一个简单的全连接模型在与基于经典Parratt形式化的遗传最小均方拟合结果相比时，已能提供平均绝对百分比误差为8-18%的良好预测。此外，还讨论了当前的缺陷与改进前景。
引用
@article{arxiv.1910.02898,
title = {Fast Fitting of Reflectivity Data of Growing Thin Films Using Neural Networks},
author = {Alessandro Greco and Vladimir Starostin and Christos Karapanagiotis and Alexander Hinderhofer and Alexander Gerlach and Linus Pithan and Sascha Liehr and Frank Schreiber and Stefan Kowarik},
journal= {arXiv preprint arXiv:1910.02898},
year = {2019}
}
备注
including supporting information