科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前K2CsSb光阴极制备过程中无法预判光阴极生长状态的问题，提出一种基于长短期记忆(LSTM)循环神经网络的K2CsSb光阴极反射率预测模型。一维原始反射率数据集经过清洗、筛选、序列化等预处理手段后重构为二维数据输入模型。为充分利用反射率数据在时序上高度相关的特性，采用双层LSTM网络提取特征，预测结果通过全连接层输出，以均方误差(MSE)作为模型预测效果的评判标准。实验结果表明，该模型的网络结构合理且在不同数据集下的表现良好，预测准确率可达99.21%。该模型可运用在K2CsSb光阴极的制作过程中，通过反射率预测值反馈调节工艺参数以趋近目标走势，对提高光阴极性能具有促进作用。
- 单位
