Научная статья на тему 'Многофакторные вычислительные модели фотодатчиков на основе тонких пленок'

Многофакторные вычислительные модели фотодатчиков на основе тонких пленок Текст научной статьи по специальности «Нанотехнологии»

CC BY
216
63
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
МНОГОФАКТОРНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ МОДЕЛИ / ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ / ТОНКИЕ ПЛЕНКИ МЕТАЛЛОВ / ЛИНЕЙНО-ЦЕПОЧЕЧНЫЙ УГЛЕРОД / ФОТОДАТЧИК / БАЗА ЗНАНИЙ / MULTIFACTOR COMPUTATIONAL MODELS / ARTIFICIAL NEURAL NETWORKS / THIN FILMS OF METALS / LINEAR-CHAIN CARBON / PHOTOSENSOR / KNOWLEDGE BASE

Аннотация научной статьи по нанотехнологиям, автор научной работы — Абруков Виктор Сергеевич, Кочаков Валерий Данилович, Смирнов Александр Вячеславович, Абруков Сергей Викторович, Васильев Алексей Иванович

Представлена методология создания многофакторных вычислительных моделей экспериментальных данных с помощью искусственных нейронных сетей. Описаны модели характеристик фоточувствительных металл-углеродных систем и технологий их создания, решающие как прямые, так и обратные задачи. Показано, что комплекс созданных моделей может служить основой базы знаний характеристик фотодатчиков и технологий их создания на основе тонких пленок металлов и нанопленок линейно-цепочечного углерода.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по нанотехнологиям , автор научной работы — Абруков Виктор Сергеевич, Кочаков Валерий Данилович, Смирнов Александр Вячеславович, Абруков Сергей Викторович, Васильев Алексей Иванович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

MULTIFACTOR COMPUTATIONAL MODELS OF THIN FILM-BASED PHOTOSENSORS

The article presents a methodology for creating multifactor computational models of experimental data by using artificial neural networks; it describes the models of photosensitive metal carbon systems characteristics and their creating techniques that solve both direct and inverse problems. It shows that the complex of the created models can serve as the basis for the knowledge base of photo sensors characteristics and their creating techniques based on thin films of metals and nanofilms of linear-chain carbon.

Текст научной работы на тему «Многофакторные вычислительные модели фотодатчиков на основе тонких пленок»

УДК 004.89 ББК 32.973-018

ВС. АБРУКОВ, В.Д. КОЧАКОВ, А.В. СМИРНОВ, СВ. АБРУКОВ, А.И. ВАСИЛЬЕВ

МНОГОФАКТОРНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ МОДЕЛИ ФОТОДАТЧИКОВ НА ОСНОВЕ ТОНКИХ ПЛЕНОК*

Ключевые слова: многофакторные вычислительные модели, искусственные нейронные сети, тонкие пленки металлов, линейно-цепочечный углерод, фотодатчик, база знаний.

Представлена методология создания многофакторных вычислительных моделей экспериментальных данных с помощью искусственных нейронных сетей. Описаны модели характеристик фоточувствительных металл-углеродных систем и технологий их создания, решающие как прямые, так и обратные задачи. Показано, что комплекс созданных моделей может служить основой базы знаний характеристик фотодатчиков и технологий их создания на основе тонких пленок металлов и на-нопленок линейно-цепочечного углерода.

V. ABRUKOV, V. KOCHAKOV, A. SMIRNOV, S. ABRUKOV, A. VASILYEV MULTIFACTOR COMPUTATIONAL MODELS OF THIN FILM-BASED PHOTOSENSORS

Key words: multifactor computational models, artificial neural networks, thin films of metals, linear-chain carbon, photosensor, knowledge base.

The article presents a methodology for creating multifactor computational models of experimental data by using artificial neural networks; it describes the models of photosensitive metal - carbon systems characteristics and their creating techniques that solve both direct and inverse problems. It shows that the complex of the created models can serve as the basis for the knowledge base of photo sensors characteristics and their creating techniques based on thin films of metals and nanofilms of linear-chain carbon.

В статье представлены многофакторные вычислительные модели характеристик фотодатчиков на основе тонких пленок металлов и нанопленок линейно-цепочечного углерода (ЛЦУ) [5, 6], созданные с помощью искусственных нейронных сетей (ИНС).

Фоточувствительные системы получались с помощью напыления пленок металлов методом терморезистивного испарения на подложку из монокристаллического кремния в вакуумной установке УВР-3М. Затем в ряде экспериментов на пленки металлов производилось напыление пленок ЛЦУ и пленок ЛЦУ, легированных азотом на модернизированой вакуумной ионно-плазменной установке «УРМ Алмаз» при давлении 10-4 Па.

Для исследования характеристик полученных фотосенсоров были проведены измерения зависимостей темнового тока и фототока от напряжения. Методика проведения измерений описана в [5].

С целью обобщения полученных экспериментальных данных с помощью ИНС были созданы многофакторные вычислительные модели характеристик фотодатчиков. ИНС являются уникальным инструментом аппроксимации функций нескольких переменных и построения многофакторных вычислительных моделей экспериментальных данных. Примеры применения приведены в [1-3].

Для создания ИНС-моделей использовалась аналитическая платформа Deductor (разаработчик - BasegroupLab, www.basegroup.ru). Описание методики получения вычислительных ИНС-моделей приведено в [1-3].

* Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 13-02-97071, р_поволжье_а.

Рассмотрим схему создания ИНС-моделей.

Сначала экспериментальные данные по характеристикам фотодатчиков и параметрам технологий их создания были организованы в виде таблицы (рис. 1).

Рис. 1. Экран аналитической платформы Беёийог с импортированной таблицей данных по характеристикам фотодатчиков и параметрам технологий их создания (показана только часть таблицы, всего в таблице 149 строк)

Для моделирования были отобраны следующие данные: используемые металлы (Сё, Л§, N1) и сплав Л§-№; значения полной электронной энергии атомов используемых металлов, их энергии ионизации, сродства к электрону, электроотрицательности по Полингу; наличие или отсутствие пленок ЛЦУ; значения темнового тока, фототока и напряжения, а также отношения фототока к темновому току к.

В таблице приведены результаты корреляционного анализа. Целевой величиной (выходным полем) было значение отношения фототока к темновому току - к. Остальные величины были входными факторами. Анализ полученных данных позволяет сделать важный вывод. Невысокие значения корреляции показывают, что связи к с входными факторами являются существенно нелинейными, и для выявления этой связи не подходят ни классические математические и графические, ни статистические методы анализа данных.

Результаты корреляционного анализа связи целевой функции -отношения фототока к темновому току - к и семи входных факторов

Входные поля Корреляция с выходными полями

№ Поле к ^фото / ^теми

1 Полная электронная энергия 0,426

2 Энергия ионизации -0,373

3 Сродство к электрону 0,43

4 Электроотрицательность по Полингу 0,414

5 Темновой ток (/темн) 0,649

6 Фототок (/фото) 0,309

7 Напряжение 0,383

Для моделирования были выбраны структуры ИНС, соответствующие характеру и количеству собранных данных. Всего было получено несколько ИНС-моделей, решающих различные прямые и обратные задачи выявления и обобщения закономерностей, содержащихся в экспериментальных данных.

Рассмотрим методику решения одной из прямых задач - выявление закономерностей зависимости к от напряжения и и технологических параметров создания фотодатчиков. Обучение ИНС заключалось в том, что различные наборы значений столбцов 1, 9-11, 14 (рис. 1) подавались на входной слой ИНС, а соответствующие значения к устанавливались в выходном слое ИНС и с помощью известного метода обучения ИНС-метода «обратного распространения ошибки» создавалась вычислительная ИНС-модель, устанавливающая зависимости к от входных факторов.

На рис. 2 представлена структура ИНС, использованная для создания данной модели.

Рис. 2. Структура ИНС-модели зависимости отношения фототока к темновому току к от напряжения и и технологических параметров создания фотодатчиков.

На черном фоне слева - факторы, определяющие значение к

Полученная ИНС-модель может использоваться для определения (прогнозирования) зависимости к от и и технологических параметров создания фотодатчиков следующим образом. Значение полной электронной энергии, значение напряжения и наличие («да») или отсутствие («нет») пленки ЛЦУ, пленки ЛЦУ, легированной азотом, и термообработки устанавливаются во входном слое ИНС. После этого ИНС-модель «мгновенно» вычисляет соответствующее этому набору данных значение к, а также зависимости к от любого из факторов при фиксированных значениях остальных факторов.

Примеры, иллюстрирующие возможности созданной модели при выявлении закономерностей зависимости к от напряжения и технологических параметров создания фотодатчиков, представлены на рис. 3-7 с краткими комментариями.

Приведена только малая часть (не более 5%) принципиально отличающихся друг от друга графиков, отражающих выявленные закономерности.

-6 500 -6 ООО -5 500 -5 ООО -4 500 -4 000 -3 500 -3 000 -2 500 -2 000

Рис. 3. Интерполяция зависимости отношения фототока к темновому току к от полной электронной энергии металла или его сплава при и = 10 В. Как показывает ИНС-модель, при увеличении и до 20 В график смещается вправо, а при уменьшении и до 2 В - влево.

Рис. 4. Интерполяция зависимости отношения фототока к темновому току к

от полной электронной энергии металла или его сплава при и = 2 В. Результат показывает, что отсутствие «термообработки» существенно меняет закономерности зависимости к как качественно, так и количественно - сравните с рис. 3.

Рис. 5. Интерполяция зависимости отношения фототока к темновому току к от напряжения и. Остальные технологические параметры: полная электронная энергия = -5200, пленка ЛЦУ, легированная азотом - «да», термообработка - «да»

Рис. 6. Интерполяция зависимости отношения фототока к темновому току к от напряжения и. В отличие от случая рис. 5 на металлическую пленку напылялась пленка ЛЦУ, не легированная азотом. Остальные технологические параметры: Полная электронная энергия = -6200, термообработка - «да»

На всех рисунках в таблице над графиками приведены фиксированные значения входных факторов. В нижней строчке таблицы - значение к для вышеприведенных значений факторов (оно же отмечено на графике как ордината). Над левой частью графика галочкой отмечен аргумент функции к (он же отмечен на графике как абсцисса).

На рис. 7 приведена одна из иллюстраций возможности решения с помощью ИНС обратной задачи. При создании этой ИНС-модели использовалась та же таблица, которая приведена на рис. 1, но целевой функцией была полная электронная энергия металла.

Рис. 7. Пример решения обратной задачи - определения того, какая электронная энергия должна быть у металла, чтобы фотодатчик выдавал требуемое значение усиления тока (коэффициент к) при напряжении 2 В

Полученный комплекс ИНС-моделей является базой знаний характеристик фотодатчиков и технологий их создания на основе тонких пленок металлов и нанопленок линейно-цепочечного углерода, которая способна решать различные научные и технологические задачи разработки новых типов фотодатчиков.

Цель наших дальнейших работ - создание базы знаний характеристик и технологий создания новых перспективных наноматериалов. Мы приглашаем всех, кто считает необходимым обобщить имеющиеся экспериментальные результаты в области нанотехнологий на принципиально новом уровне к совместной работе в этом направлении.

Литература

1. Абруков В.С., Абруков С.В., Карлович Е.В., Семенов Ю.В. База знаний процессов горения: будущее мира горения // Вестник Чувашского университета. 2013. № 3. С. 46-52.

2. Абруков В.С., Абруков С.В., Смирнов А.В., Карлович Е.В. Data Mining в научных исследованиях // Наноструктурированные материалы и преобразовательные устройства для солнечных элементов 3-го поколения: сб. материалов I Всерос. науч. конф. Чебоксары: ООО «Полиграфика», 2013. С. 11-17.

3. Абруков С.В., Смирнов А.В. Создание базы знаний - новое направление исследований наноматериалов и нанотехнологий // Вестник Чувашского университета. 2013. № 3. С. 52-56.

4. Abrukov V.S., Karlovich E.V., Afanasyev V.N., Semenov Yu.V., Abrukov S.V. Geation of propellant combustion models by means of data mining tools // International Journal of Energetic Materials and Chemical Propulsion. 2010. № 9(5). P. 385-396.

5. Кочаков В.Д., Новиков Н.Д., Васильев А.И., Смирнов А.В. Элементы электроники на основе пленок линейно-цепочечного углерода // Вестник Чувашского университета. 2011. № 3. С. 194-197.

6. Пат. 2360036 РФ, МПК С23С 26/00, С23С 14/06, С23С 14/32, В82В 3/00. Способ получения углеродного наноматериала, содержащего металл / Кочаков В.Д., Новиков Н.Д.; заявитель и патентообладатель. Чуваш. гос. ун-т. № 2007139182/02; заявл. 22.10.2007; опубл. 27.06.2009, Бюл. № 18. 11 с.

References

1. Abrukov V.S., Abrukov S.V., Karlovich E.V., Semenov Yu.V. Baza znaniiprotsessov gore-niya: budushchee mira goreniya [The knowledge base of the combustion processes is a future of the combustion world]. Vestnik Chuvashskogo universiteta, 2013, no. 3, pp. 46-52.

2. Abrukov V.S., Abrukov S.V., Smirnov A.V., Karlovich E.V. Data Mining v nauchnykh is-sledovaniyakh [Data Mining for scientific research]. Nanostrukturirovannye materialy ipreobrazova-tel'nye ustroistva dlya solnechnykh elementov 3-go pokoleniya: sb. materialov I Vseros. nauch. konf. [Proc. of 3th Rus. Conf. «Nanostructured materials and devices for converting solar cells generation»]. Cheboksary, Poligrafika Publ., 2013, pp. 11-17.

3. Abrukov S.V., Smirnov A.V. Sozdanie bazy znanii - novoe napravlenie issledovanii nano-materialov i nanotekhnologii [Creation of the knowledge base is a new research direction of nanoma-terials and nanotechnologies]. Vestnik Chuvashskogo universiteta [Journal of the Chuvash University]. 2013. № 3. p. 52-56.

4. Abrukov V.S., Karlovich E.V., Afanasyev V.N., Semenov Yu.V., Abrukov S.V. Creation of propellant combustion models by means of data mining tools. International Journal of Energetic Materials and Chemical Propulsion, 2010, no. 9(5), pp. 385-396.

5. Kochakov V.D., Novikov N.D., Vasil'ev A.I., Smirnov A.V. Elementy elektroniki na osnove plenok lineino-tsepochechnogo ugleroda [Electronic elements on the basis of films of linear-chain carbon]. Vestnik Chuvashskogo universiteta, 2011, no. 3, pp. 194-197.

6. Kochakov V.D., Novikov N.D. Sposob polucheniya uglerodnogo nanomateriala, soderz-hashchego metall [The method of creation of carbon nanomaterial containing metal]. Patent RF, no. 2360036, 2009.

АБРУКОВ ВИКТОР СЕРГЕЕВИЧ. См. с. 146.

КОЧАКОВ ВАЛЕРИЙ ДАНИЛОВИЧ - кандидат технических наук, профессор кафедры прикладной физики и нанотехнологий, Чувашский государственный университет, Россия, Чебоксары (kocherishca@mail.ru).

KOCHAKOV VALERIY - candidate of technical sciences, professor of Applied Physics and Nanotechnology Chair, Chuvash State University, Russia, Cheboksary.

СМИРНОВ АЛЕКСАНДР ВЯЧЕСЛАВОВИЧ. См. с. 146.

АБРУКОВ СЕРГЕЙ ВИКТОРОВИЧ. См. с. 146.

ВАСИЛЬЕВ АЛЕКСЕЙ ИВАНОВИЧ - инженер-исследователь кафедры прикладной физики и нанотехнологий, Чувашский государственный университет, Россия, Чебоксары (ljosha@mail.ru).

VASILYEV ALEXEY - researcher of Applied Physics and Nanotechnology Chair, Chuvash State University, Russia, Cheboksary.

i Надоели баннеры? Вы всегда можете отключить рекламу.