机器学习算法在光谱圆测量数据分析中对ZnTiO₃纳米复合材料的性能

科学领域:

• 材料科学 材料科学 材料科学
• 光电学是指光电子产品.
• 纳米技术纳米技术

背景情况:

• 聚烯 (PVP) 和酸 (ZnTiO3) 纳米复合材料对光学应用有兴趣.
• 光谱圆测量是一种强大的技术,用于描述薄膜和纳米材料.
• 了解光学特性对于设计先进的光电子设备至关重要.

研究的目的:

• 为了研究PVP的光学特性:ZnTiO3纳米复合材料.
• 为了准备和表征ZnTiO3纳米复合材料.
• 将机器学习算法与非线性回归进行比较,用于圆测量数据分析.

主要方法:

• 制备ZnTiO3纳米复合材料的方法.
• 使用UV-Vis光谱,FESEM,拉曼,FT-IR和AFM进行表征.
• 光谱圆测量仪用于介电函数和折射率的确定 (0.59-4.59 eV).
• 使用人工神经网络 (ANN),支向量回归 (SVR) 和非线性回归分析圆度参数 (ψ 和 Δ).
• 确定带隙能量和临界点能量.

主要成果:

• 确定ZnTiO3纳米复合材料的带隙能量为3.83 eV.
• 通过介电函数的第二能量导数确定了六个临界点能量.
• 在圆测量数据分析中,ANN和SVR方法的准确性与非线性回归相当,执行时间有所不同.
• 研究了光学损失函数和光导率光谱.

结论:

• 该研究成功地描述了PVP:ZnTiO3纳米复合材料的光学特性.
• 机器学习算法为圆测量数据分析提供了可行的替代方案.
• 确定的光学特性和带隙能量对于光电子中的潜在应用具有重要意义.