机器学习增强椭偏仪测量

利用人工智能技术发明了一种新型的全自动椭偏分析系统。该系统首先利用仿真数据进行训练，以学习椭偏参数和（n, κ, d）的基本对应关系；其次，由于仿真数据与实验数据存在一定差别，导致系统模型精度不够。为此，他们提出了一种深度神经网络驱动的迭代学习框架，实现了椭偏逆问题的高精度全自动求解。我们在实验中利用金属、半导体和电介质等几十种材料薄膜，成功验证了该技术的可行性与可靠性，且精度明显高于传统技术。该方法可与现有的椭偏测量技术兼容，为实现材料特性的自动、快速、高通量椭偏表征铺平了道路。数据量1.72MB。

搜集汇总

背景与挑战

背景概述

该数据集基于人工智能技术开发了一套全自动椭偏分析系统，通过深度神经网络驱动的迭代学习框架实现高精度椭偏逆问题求解，已在多种材料薄膜上验证其可行性和可靠性，精度优于传统方法。