May, 2024
发现沉积过程的规则：利用无监督学习进行过程洞察、代理模型和敏感性分析
Discovering deposition process regimes: leveraging unsupervised learning for process insights, surrogate modeling, and sensitivity analysis
Geremy Loachamín Suntaxi, Paris Papavasileiou, Eleni D. Koronaki, Dimitrios G. Giovanis, Georgios Gakis...
TL;DR本研究介绍了一种综合方法，利用数据驱动方法来阐明化学气相沉积（CVD）反应器中的沉积过程机制，并揭示了各个机制之间相互作用。该研究通过实验证明，采用流场分布（CFD）模型衍生的过程结果可以识别出对应于不同过程机制的 “结果” 簇，其中输入变量的相对影响发生显著转变。此外，通过多项式混沌展开（PCE）方法构建了一个高效的代理模型，该模型具有高准确性，方便了计算分析。最后，通过 Sobol' 指数实现了敏感性分析，量化了在已识别过程中的过程输入的影响。这项研究的揭示为后过渡区域发生的现象提供了假设，并强调了温度在扩散受限区域的重要性，即阿伦尼乌斯图表证明了在高温下激发了气相反应。我们提出的方法不仅具有与实验观察和理论原则相一致的洞察力，还有助于决策过程设计和优化。借助避免了昂贵费时的实验，我们的方法为提高过程效率提供了实用途径。此外，这项研究强调了基于数据驱动的计算方法在创新反应器设计范例方面的潜力。