فهرست نشریات علمی دسترسی آزاد ایران

آشکارسازی صحیح نور فرابنفش (UV) یک مسئله‌ی مهم در توسعه‌ی فناوری‌های نوری-الکترونیکی به‌شمار می‌رود. مواد نیمه‌هادی مرسوم که به‌طور معمول در ساخت آشکارسازهای نوری فرابنفش به‌کار برده می‌شوند دارای محدودیت‌هایی به‌لحاظ سرعت پاسخ، هزینه و پیچیدگی‌های ساخت می‌باشند. این در حالی است که آشکارسازهای نوری فرابنفش مبتنی‌بر ذرات نقاط کوانتومی (QDs) به‌دلیل ویژگی‌های نوری و الکترونیکی منحصر‌به‌فرد می‌توانند بر این محدودیت‌ها غلبه کنند. با این حال، سنتز این نانوذرات به‌طور معمول مبتنی‌بر رویکردهای آزمون و خطا می‌باشد. در این پژوهش، با استفاده از مدل های یادگیری ماشین و اطلاعات استخراج شده از مقالات علمی به بررسی و پیش‌بینی مهم‌ترین متغیرهای تاثیرگذار بر سنتز GaN QDs قابل کاربرد در ساخت آشکارسازهای نوری فرابنفش پرداخته شده است. نتایج بدست آمده از الگوریتم‌ AdaBoost نشان می‌دهد که متغیرهای نسبت مولی Ga/N، نسبت شار آلومینیوم به فلز، زمان و دمای رشد، مهم ترین متغیرهای موثر بر پهنای باند GaN QDs به‌شمار می روند. هم‌چنین، الگوریتم AdaBoost برای پیش بینی مقادیر بهینه‌ی متغیرهای کلیدی واکنش در دامنه های دلخواه از پهنای باندGaN QDs به‌کار برده شده است.