监督学习应用于高维毫米波瞬态吸收数据以预测钙钛矿薄膜老化年龄
材料科学
2022-11-07 v1 数据分析、统计与概率
摘要
我们分析了由脉冲532 nm激光（能量密度10.6微焦每平方厘米）激发的300 nm厚空气稳定封装钙钛矿薄膜（甲基铵卤化铅）的120 GHz和150 GHz时间分辨毫米波（mmW）光电导衰减（mmPCD）信号这一有限样本集。我们将从所获取的mmPCD动力学轨迹数据及其阶跃响应中直接导出的12个参数分别与基于实验日期的样本年龄相关联。最终选出5个与样本年龄呈高度负相关的参数作为高斯过程回归（GPR）机器学习模型中的预测变量，用于预测样本年龄。老化的影响（薄膜制备后0至40000小时之间）主要以峰值电压偏移、响应比（电导参数）、损耗补偿透射系数以及瞬态本身的射频（RF）面积（通量）来量化。阶跃响应其他参数及老化瞬态衰减长度的变化亦被展示。研究发现GPR模型利用该方法可较好地前向预测样本年龄。值得注意的是，用于监督学习的Matern-5/2 GPR核为年龄预测提供了最佳现实解，其R平方约为0.97。
引用
@article{arxiv.2211.02431,
title = {Supervised learning applied to high-dimensional millimeter wave transient absorption data for age prediction of perovskite thin-film},
author = {Biswadev Roy and A. Karoui and B. Vlahovic and M. H. Wu},
journal= {arXiv preprint arXiv:2211.02431},
year = {2022}
}