高质量FeSe薄膜制备条件探索
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 超导历史 | 第10-11页 |
| 1.2 铁基薄膜进展与研究意义 | 第11-16页 |
| 第2章 高质量FeSe薄膜PLD制备 | 第16-32页 |
| 2.1 PLD薄膜生长调控 | 第17-20页 |
| 2.1.1 靶材合成 | 第18页 |
| 2.1.2 PLD原理 | 第18-20页 |
| 2.2 改变生长条件对高质量FeSe薄膜性能影响 | 第20-31页 |
| 2.2.1 改变生长温度 | 第20-21页 |
| 2.2.2 改变衬底 | 第21-25页 |
| 2.2.3 膜厚 | 第25-26页 |
| 2.2.4 晶格常数c、RRR | 第26-27页 |
| 2.2.5 解理,转移 | 第27-28页 |
| 2.2.6 可调控T_c | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 机器学习方法在材料学中应用 | 第32-37页 |
| 3.1 机器学习解决问题的一般范式 | 第32-34页 |
| 3.2 经常使用的机器学习算法 | 第34-35页 |
| 3.3 机器学习在材料学中的应用 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 机器学习处理FeSe薄膜生长数据 | 第37-44页 |
| 4.1 数据预处理 | 第37页 |
| 4.2 原本数据的分布 | 第37-39页 |
| 4.3 支持向量机算法 | 第39-40页 |
| 4.3.1 使用SVM效果 | 第39-40页 |
| 4.4 决策树类算法 | 第40-43页 |
| 4.4.1 决策树的原理 | 第40-41页 |
| 4.4.2 决策树的剪枝减小过拟合 | 第41页 |
| 4.4.3 GBDT的原理与结果 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 全文总结与展望 | 第44-46页 |
| 参考文献 | 第46-53页 |
| 个人简历及发表文章目录 | 第53-54页 |
| 致谢 | 第54页 |
