基于智能数据驱动的 SnO$_2$ 薄膜特性的 GRU 预测器

在材料物理学中，表征技术对于获取关于材料数据至关重要，这些数据涉及物理属性以及结构、电子、磁性、光学、介电和光谱特性。然而，对于许多材料，确保其可用性和安全可访问性并总是容易且得到充分保障的。此外，建模和仿真技术需要大量的理论知识，并且与昂贵的计算时间和很大的复杂性相关。因此，同时使用不同技术对多组样本进行分析，仍然对工程师和研究人员来说非常具有挑战性。值得注意的是，尽管风险很大，X 射线衍射是众所周知且广泛使用的表征技术，可从晶体 1d、2d 或 3d 材料的结构属性中收集数据。我们在本文中提出了一个用于预测狼矿石 SnO$_2$(110) 薄膜结构特性或属性的智能 GRU 模型。确实，薄膜样本是在实验中制备和管理的，收集的数据字典然后用于生成一种针对狼矿石 SnO$_2$(110) 薄膜结构属性表征的 AI——人工智能——GRU 模型。