A modular active learning framework for autonomous atomic layer deposition
Cet article présente une plateforme autonome en boucle fermée intégrant un outil de PE-ALD automatisé, une caractérisation in situ et un cadre d'apprentissage actif basé sur les processus gaussiens qui cartographie efficacement les relations synthèse-propriétés multidimensionnelles pour le dépôt de TiO2, surpassant de manière significative l'échantillonnage aléatoire en termes de précision prédictive et permettant une optimisation ciblée des procédés avec beaucoup moins d'expériences.