化合物半导体禁带宽度与熔点的人工神经网络预报.pdf

　第 19 卷第 1 期　　　　　　　　半　导　体　学　报　　　　　 　　 . 19, . 1　 V o l N o 　1998 年 1 月　　　　　　CH IN ESE JOU RNAL O F SEM ICONDU CTOR S　　 　　　Jan. , 1998　 化合物半导体禁带宽度和 熔点的人工神经网络预报 张兆春　彭瑞伍　陈念贻　郭　进 ( 中国科学院上海冶金所　上海　200050) 摘要　利用经标志样本集训练的人工神经网络对 、 族二元化合物和 2、 2 族三元化合物半导体的禁带宽度和熔点进行了预报, 计算结果与实验结果符合较好. PACC: 0650, 7125T , 6590 1　引言 和 族二元化合物是制造微波、光电及红外探测器件的重要半导体材料; 而 2 和 2 族三元化合物则已被广泛用作非线性光学和太阳能电池材料. 禁带宽 度(E ) 和熔点(TM ) 是决定这些化合物性质的两个重要参量, 虽然这些参数已由实验测定, 且 对禁带宽度与化学组成的关系进行了许多研究[ 1～ 3 ] , 但是到目前为止, 人工神经网络(artifi cial neu ral netw o rk , ANN ) 尚未被应用于预报这些参量. ANN 是一类试图模拟人脑神经网 络结构的新型数据处理系统, 具有自学习、自适应功能. ANN 可以从大量的实验数据中直 接提取隐含的、有用的信息, 因而特别适应于解决涉及非线性及复杂系统的问题. ANN 理 论是 80 年代中后期在世界范围内迅速发展起来的一个前沿研究领域, 其发展已对机算机科 学、人工智能、认知科学等领域产生了重要影响. ANN 在文字识别、图象处理、智能控制以 及专家系统等方面的应用研究成果也不断涌现. 作为ANN 在化合物半导体材料中应 用[ 4～ 6 ] 的一个例子, 并尝试将ANN 和数据库与知识库相结合, 从而对建立可用于将化合物 半导体材料进行优化设计的专家系统的可行性作出初步研究, 本文拟报道采用训练好的 ANN 对 , 族二元化合物和 2 , 2 族三元化合物禁带宽度和熔点的 计算结果. 2　计算 2. 1　计算方法 ( ) [ 7 ] ( ). ANN 由许多相互连接的基本处理单元 神经元 构成 , 单个神经元的结构如图 1 a 张兆春　男, 1964 年出生, 讲师, 从事半导体材料与化学模式识别方面的研究 收到,定稿 50 　　　　　　　　　　　　　　　半　导　体　学　报　 19 卷 图 1　神经元与人工神经网络结构简图 其中　 , ,. . . , 表示神经元的输入参数; , , . . . , 表示连接权重; 为神经元 x 1 x 2 x n w 1 w 2 w n b 阈值; 则表示神经元的输出值. 该神经元的净输入( ) 与输出分别为: y X ( )