A modular active learning framework for autonomous atomic layer deposition
Diese Arbeit präsentiert eine geschlossene autonome Plattform, die ein automatisiertes PE-ALD-Werkzeug, In-situ-Charakterisierung und ein auf Gauß-Prozessen basierendes aktives Lernframework integriert, welches effizient hochdimensionale Synthese-Eigenschafts-Beziehungen für die TiO2-Abscheidung kartiert und dabei das Zufalls-Sampling in der Vorhersagegenauigkeit signifikant übertrifft sowie eine gezielte Prozessoptimierung mit weitaus weniger Experimenten ermöglicht.