Tuning of Atomic Layer Deposition Pulse Time through Physics-Informed Bayesian Active Learning
Dit artikel introduceert een op fysische principes gebaseerd Bayesiaans actief leerframework dat een Langmuir-adsorptiemodel integreert met een tweestapsstrategie voor parameterschatting om atoomlaagdepositie-pulstijden autonoom en efficiënt af te stemmen, wat resulteert in snellere convergentie, hogere voorspellingsnauwkeurigheid en aanzienlijk minder precursorverbruik in vergelijking met standaard datagedreven benaderingen.