Модель машинного навчання на основі штучного інтелекту для класифікації напружень у тонкоплівкових матеріалах
| Автори | Laxmikant S. Dhamande1, Shashikant Raghunathrao Deshmukh2, Tarun Dhar Diwan3 , Yogeesh N4, P. William5 , Sandip R. Thorat1, Abhishek Badholia6 |
| Афіліація |
1Department of Mechanical Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 2Department of Computer Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 3Controller of Examination (COE), Atal Bihari Vajpayee University, Bilaspur, India 4Department of Mathematics, Government First Grade College, Tumkur, Karnataka, India 5Department of Information Technology, Sanjivani College of Engineering, Kopargaon, MH, India 6Department of Data Science, Shri Shankaracharya Institute of Professional Management and Technology, Raipur, India |
| Е-mail | tarunctech@gmail.com |
| Випуск | Том 17, Рік 2025, Номер 5 |
| Дати | Одержано 10 серпня 2025; у відредагованій формі 22 жовтня 2025; опубліковано online 30 жовтня 2025 |
| Цитування | Laxmikant S. Dhamande, Shashikant Raghunathrao Deshmukh, Tarun Dhar Diwan, та ін., Ж. нано- електрон. фіз. 17 № 5, 05036 (2025) |
| DOI | https://doi.org/10.21272/jnep.17(5).05036 |
| PACS Number(s) | 07.05.Mh, 68.55. – a, 68.55.J – |
| Ключові слова | Класифікація напружень, Тонкоплівкові матеріали, Алгоритм Crayfish Optimised K-Nearest Neighbor (RCO-KNN), Нормалізація Z-оцінки. |
| Анотація |
У низці практичних застосувань, що включають мікроелектроніку та аерокосмічну техніку, сортування напружень у тонкоплівкових матеріалах є динамічним для максимізації їх представлення та надійності. Інтегруючи революційні методи навчання даних з унікальною класифікацією, це дослідження пропонує метод машинного навчання (ML) на основі штучного інтелекту для класифікації напружень у тонкоплівкових матеріалах. Щоб гарантувати високоякісний вхідний сигнал для знань про тип, метод використовує стратегії очищення даних для видалення шуму та викидів. Нормалізація Z-оцінки використовується для стандартизації даних, розширюючи застосовність методу до ширшого кола інформації. Це дослідження представляє вдосконалений алгоритм Crayfish Optimised K-Nearest Neighbor (RCO-KNN) для корпоративного проекту, який має підвищити точність та стійкість виявлення деформацій у тонкоплівкових матеріалах. Підхід RCO-KNN розвивається в KNN, використовуючи Crayfish Optimization, яка максимізує вибір сусідів та метрик відстані для гарантії точної класифікації. Цей ROC-KNN досяг високої точності (98,5 %), прецизійності (96,2 %), повноти (95,6 %) та F1-оцінки (97,8 %). Згідно з експериментальними результатами, ця інформація є надзвичайно надійним інструментом для програм матеріалознавства для визначення рівнів напружень у тонкоплівкових матеріалах. |
|
Перелік посилань |
Інші статті цього номера
1) Вплив концентрації NaCl на розмір наночастинок CdS в присутності ПВС [05001-1-05001-6]2) Аналіз вільної вібрації функціонально градуйованої нанопластини (Al2O3/Al): параметричний аналіз [05002-1-05002-5]
3) Електронна структура кристала Cr:ZnS, модифікована моно- та бівакансіями [05003-1-05003-6]
4) Електрофізичні властивості шаруватих структур [Ni80Fe20/SiOx)]n [05004-1-05004-5]
5) Дослідження антифрикційних електроіскрових покриттів на основі MoS2 для елементів торцевих ущільнень АЕС [05005-1-05005-7]
6) Вплив нелокальності та пористості на характеристики частотної вібрації SUS304/Si3N4 функціонально градуйованих нанопластин [05006-1-05006-5]
7) Багатодіапазонна мікросмужкова патч-антена з використанням штучного магнітного провідника зі збільшеною пропускною здатністю та коефіцієнтом підсилення для бездротових застосувань [05007-1-05007-5]
8) Аналітичний метод визначення порогової напруги на безперехідному польовому транзисторі із закритим каналом [05008-1-05008-4]
9) Рентгенівська та раманівська спектроскопія бінарних сполук кремнія (Si2)1 – x(BP)x [05009-1-05009-5]
10) Вплив концентрації нанорідин та профілю потоку на теплопередачу [05010-1-05010-6]
11) Порівняльний аналіз властивостей силіцидів марганцю [05011-1-05011-4]
12) Оптичні та структурні властивості наночастинок ZnSe [05012-1-05012-4]
13) Оптичні та магнітні властивості кремнію з бінарними наносполуками GexSi1 – x [05013-1-05013-5]
14) Дослідження працездатності резонансного перетворювача LLC для застосування в електромобілях [05014-1-05014-6]
15) Покращене виробництво термохромних плівок діоксиду ванадію на основі штучного інтелекту [05015-1-05015-6]
16) Контрольоване осадження тонких плівок ZnO методом спінінгового покриття: вплив швидкості спінінгу на мікроструктуру та прозорість плівки [05016-1-05016-8]
17) Визначення параметрів контактного поля сонячного елемента з кількома наногетеропереходами
18) p-i-n фотодіод із захисним кільцем p+ [05018-1-05018-6]
19) Вплив ультразвукової нанокристалічної модифікації поверхні на мікротвердість та механічні властивості на розтяг сталі 316L, отриманої методом Laser Powder Bed Fusion [05019-1-05019-10]
20) Мікроелектронний стимулятор зорових нервів [05020-1-05020-5]
21) Спіновий обмін d-f взаємодії в імпедансному спектрі [05021-1-05021-7]
22) Плазмонні явища у металевій нанокришці [05022-1-05022-10]
23) Вплив електромагнітного та оптичного випромінювання на фізичні та біологічні системи [05023-1-05023-4]
24) Реалізація трифазного Віденського випрямляча для застосувань постійного навантаження з використанням багатоканальної широтно-імпульсної модуляції [05024-1-05024-5]
25) Фізичні та прикладні аспекти наноматеріалів і тонких плівок у нових комунікаційних технологіях [05025-1-05025-5]
26) Аналіз продуктивності підвищувального перетворювача з використанням модельного прогнозуючого контролера [05026-1-05026-5]
27) Охолоджувальна здатність потрійних нанорідин під впливом магнітного поля [05027-1-05027-5]
28) Стабілізація дискретних лінійних систем у скінченному часі з урахуванням змінної затримки з використанням нової нерівності підсумовування [05028-1-05028-6]
29) Космологічна модель хмарних струн Біанкі III типу з об'ємною в'язкістю у загальній теорії відносності [05029-1-05029-3]
30) Ефективне видалення важких металів та органічних барвників з водних розчинів за допомогою оксиду графену, пов'язаного з марганцем: дослідження адсорбції в пакетному режимі [05030-1-05030-5]
31) Самоізольована дводіапазонна MIMO-антена для покращеного рознесення у ISM-діапазоні та для бездротового застосування [05031-1-05031-5]
32) Оптимізація планування поточного цеху для енергоефективності та сталого розвитку у виробництві напівпровідників: порівняльне дослідження алгоритмів NEH та PIG_NEH [05032-1-05032-5]
33) Багаторезонансна штучна магнітна провідна ударна монопольна антена для WBAN застосувань [05033-1-05033-5]
34) Сегментація уражень шкіри за допомогою Double U-Net Framework для покращеного вилучення ознак [05034-1-05034-5]
35) Мікросмужкова патч-антена з виїмчастими кутами для покращеної багатодіапазонної продуктивності [05035-1-05035-5]
36) Використання штучного інтелекту для прогнозування електронних структур у наночастинках [05037-1-05037-6]
37) Розробка нового методу оптимізації для оцінки поверхневих каналів на основі тонкоплівкової технології [05038-1-05038-5]
38) Експериментальні дослідження для вивчення впливу легування Ca2+, Dy3+ на структурні та оптичні властивості НЧ ZnO [05039-1-05039-6]
