Нова методологія на основі ШІ для прогнозування властивостей опору та температури надпровідних плівок за допомогою наноматеріалів

Автори Gaurav Kumar1, Komal Parashar2, Prashant Sharma3, Durgeshwar Pratap Singh4, Anurag Shrivastava5, Arun Pratap Srivastava6, Amit Srivastava7 , P. William8
Афіліація

1Chitkara Centre for Research and Development, Chitkara University, 174103 Himachal Pradesh, India

2Centre of Research Impact and Outcome, Chitkara University, Rajpura-140417 Punjab, India

3Department of Civil Engineering, GLA University, Mathura-281406, Uttar Pradesh, India

4Department of Mechanical Engineering, Graphic Era Deemed to be University, Dehradun, Uttarakhand

5Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, TN, India

6Lloyd Institute of Engineering & Technology, Greater Noida, Uttar Pradesh 201306, India

7Lloyd Law College, Greater Noida, Uttar Pradesh 201306, India

8Department of Information Technology, Sanjivani College of Engineering, Kopargaon, MH, India

Е-mail gauravcivilengg714@gmail.com
Випуск Том 16, Рік 2024, Номер 4
Дати Одержано 18 квітня 2024; у відредагованій формі 21 серпня 2024; опубліковано online 27 серпня 2024
Цитування Gaurav Kumar1, Komal Parashar2, Prashant Sharma, et al. Ж. нано- електрон. фіз. 16 No 4, 04018 (2024)
DOI https://doi.org/10.21272/jnep.16(4).04018
PACS Number(s) 73.40.Cg, 84.37.+q
Ключові слова Наноматеріал (17) , Надпровідність, Нанотехнологія (3) , Питомий опір (16) , Стійкість плівки.
Анотація

Інтеграція найсучасніших наноструктур у моделі прогнозування покращує наше розуміння властивостей надпровідності. Використовуючи методи штучного інтелекту та моделювання, математичний метод використовує унікальні характеристики наночастинок для покращення прогнозів опору та температури. У цьому документі пропонується новий підхід штучного інтелекту (ШІ) для прогнозування аспектів опору та температури надпровідних плівок, наповнених наноматеріалами. У цій статті ми пропонуємо новий метод штучного інтелекту під назвою прогресивне оптимізоване адаптивне дерево рішень Red Fox (PRFO-ADT) для прогнозування надпровідності плівкових покриттів. Етап попередньої обробки достатньої інформації, який стосується таких проблем, як створення ознак і нормалізація, є частиною методики дослідження. Використовується різноманітний набір даних, включаючи коефіцієнти синтезу, властивості наноматеріалів і моделі опору-температури кількох надпровідних плівок. Далі зібрані дані проходять етап попередньої обробки з використанням мінімально-максимальної нормалізації. Запропонований нами метод відкриває двері для складного розуміння ландшафтів опору та температури їхніх надпровідних плівок шляхом дослідження кількох нанотехнологій та їх різного впливу на алгоритм прогнозування. Порівняно з іншими існуючими підходами, PRFO-ADT є ефективним і створює нижчий рівень помилок із загальним значенням 1,2 RMSE, 1,25 MSE, 1,1 MAPE і 4,8 с часу обчислення.

Перелік посилань