利用特征工程与机器学习识别与预测半导体的光塑性
材料科学
2026-03-31 v1
摘要
光塑性，即光诱导的塑性变形变化，在半导体材料的机械耐久性和制造中起着关键作用。然而，其主导机制由于耦合多物理场因素的相互作用而尚未被完全理解。在这里，我们进行了高通量纳米压痕测量，以编译暗场和光照条件下配对硬度值的数据集。然后，我们构建了涵盖电学、力学和光学特性的物理信息描述符，并识别出十个最具信息量的特征，包括带隙、击穿场和折射率，以实现一个可解释的机器学习框架，从而得出可迁移的光调谐半导体力学设计规则。通过识别与预测半导体的光塑性，本工作为从机制关联的角度提取可迁移的指导方针以工程化光响应机械行为提供了实用途径，适用于半导体材料和器件。
引用
@article{arxiv.2603.27316,
title = {Identification and Prediction of Photoplasticity in Semiconductors Using Feature Engineering and Machine learning},
author = {Huicong Chen and Mingqiang Li and Zheyuan Ji and Yu Zou},
journal= {arXiv preprint arXiv:2603.27316},
year = {2026}
}