Standard

Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения. / Кукушкин, Сергей Арсеньевич; Редьков, Алексей Викторович; Осипов, Андрей Викторович; Гращенко, Александр Сергеевич; Роженцев, Д В.

в: ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ", 2025.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

Harvard

Кукушкин, СА, Редьков, АВ, Осипов, АВ, Гращенко, АС & Роженцев, ДВ 2025, 'Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения', ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ".

APA

Кукушкин, С. А., Редьков, А. В., Осипов, А. В., Гращенко, А. С., & Роженцев, Д. В. (Принято в печать). Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения. ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ".

Vancouver

Кукушкин СА, Редьков АВ, Осипов АВ, Гращенко АС, Роженцев ДВ. Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения. ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ". 2025.

Author

Кукушкин, Сергей Арсеньевич ; Редьков, Алексей Викторович ; Осипов, Андрей Викторович ; Гращенко, Александр Сергеевич ; Роженцев, Д В. / Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения. в: ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ". 2025.

BibTeX

@article{3d4f58a09f3343b6a59a04892e8ede0d,
title = "Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения",
abstract = "В работе продемонстрировано применение методов машинного обучения для прогнозирования свойств эпитаксиальных структур в многопараметрических технологических процессах, характеризующихся сложными нелинейными зависимостями. В качестве модельной системы исследован синтез тонких пленок карбида кремния на кремниевых подложках методом замещения атомов.Разработана нейросетевая модель, способная предсказывать ключевые характеристики получаемых пленок SiC на основе технологических параметров синтеза, включающих давление, температуру, тип подложки и иные условия. Выполнена комплексная оптимизация структуры модели и проведена валидация точности прогнозирования. ",
author = "Кукушкин, {Сергей Арсеньевич} and Редьков, {Алексей Викторович} and Осипов, {Андрей Викторович} and Гращенко, {Александр Сергеевич} and Роженцев, {Д В}",
year = "2025",
language = "русский",
journal = "ПИСЬМА В {"}ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ{"}",
issn = "0320-0116",
publisher = "ФТИ им.Иоффе",

}

RIS

TY - JOUR

T1 - Построение прогнозных моделей для роста тонких пленок SiC/Si с использованием методов машинного обучения

AU - Кукушкин, Сергей Арсеньевич

AU - Редьков, Алексей Викторович

AU - Осипов, Андрей Викторович

AU - Гращенко, Александр Сергеевич

AU - Роженцев, Д В

PY - 2025

Y1 - 2025

N2 - В работе продемонстрировано применение методов машинного обучения для прогнозирования свойств эпитаксиальных структур в многопараметрических технологических процессах, характеризующихся сложными нелинейными зависимостями. В качестве модельной системы исследован синтез тонких пленок карбида кремния на кремниевых подложках методом замещения атомов.Разработана нейросетевая модель, способная предсказывать ключевые характеристики получаемых пленок SiC на основе технологических параметров синтеза, включающих давление, температуру, тип подложки и иные условия. Выполнена комплексная оптимизация структуры модели и проведена валидация точности прогнозирования.

AB - В работе продемонстрировано применение методов машинного обучения для прогнозирования свойств эпитаксиальных структур в многопараметрических технологических процессах, характеризующихся сложными нелинейными зависимостями. В качестве модельной системы исследован синтез тонких пленок карбида кремния на кремниевых подложках методом замещения атомов.Разработана нейросетевая модель, способная предсказывать ключевые характеристики получаемых пленок SiC на основе технологических параметров синтеза, включающих давление, температуру, тип подложки и иные условия. Выполнена комплексная оптимизация структуры модели и проведена валидация точности прогнозирования.

M3 - статья

JO - ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ"

JF - ПИСЬМА В "ЖУРНАЛ ТЕХНИЧЕСКОЙ ФИЗИКИ"

SN - 0320-0116

ER -

ID: 141812886