买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳大学申请的专利氧化镓外延层的预测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120853760B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511340036.9，技术领域涉及：G16C60/00；该发明授权氧化镓外延层的预测方法、装置、设备及介质是由杨杏;周正;张金鑫;卢耀平;张晨设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本氧化镓外延层的预测方法、装置、设备及介质在说明书摘要公布了：本申请涉及一种氧化镓外延层的预测方法、装置、设备及介质，其中方法包括：采集MOCVD的工艺参数及其外延层表征数据，并进行数据预处理得到预处理后数据；对预处理后数据进行特征衍生和特征筛选，对特征筛选后数据进行数据集划分生成训练数据集和测试数据集；构建XGBoost回归模型，并进行超参数搜索得到目标最优参数组合，以对XGBoost回归模型进行训练，生成训练后XGBoost回归模型；通过测试数据集对训练后XGBoost回归模型进行测试生成目标XGBoost回归模型；获取MOCVD的待测工艺参数，对待测工艺参数进行外延层预测得到目标外延层厚度和目标半峰全宽变化量。本申请提高了氧化镓外延层的预测准确性。

本发明授权氧化镓外延层的预测方法、装置、设备及介质在权利要求书中公布了：1.一种氧化镓外延层的预测方法，其特征在于，包括： 采集MOCVD的工艺参数及对应的外延层表征数据，并对所述工艺参数所述外延层表征数据进行预处理，得到预处理后数据； 对所述预处理后数据进行特征衍生和特征筛选，得到特征筛选后数据，并对所述特征筛选后数据进行数据集划分，生成训练数据集和测试数据集； 构建XGBoost回归模型，采用灰狼优化算法基于所述训练数据集进行超参数搜索，得到目标最优参数组合，并基于所述目标最优参数组合对所述XGBoost回归模型进行训练，生成训练后XGBoost回归模型； 通过测试数据集对所述训练后XGBoost回归模型进行模型测试，生成目标XGBoost回归模型； 获取所述MOCVD的待测工艺参数，并通过所述目标XGBoost回归模型所述目标基于所述待测工艺参数进行外延层预测，得到目标外延层厚度和目标半峰全宽变化量； 所述构建XGBoost回归模型，采用灰狼优化算法基于所述训练数据集进行超参数搜索，得到目标最优参数组合，并基于所述目标最优参数组合对所述XGBoost回归模型进行训练，生成训练后XGBoost回归模型，包括： 构建所述XGBoost回归模型，其中，所述XGBoost回归模型为双任务回归树结构，所述XGBoost回归模型的第一任务回归树分支通过最小均方误差函数进行厚度预测，所述XGBoost回归模型的第二任务回归树分支通过平均绝对误差函数进行半峰全宽变化量预测； 采用所述灰狼优化算法基于所述训练数据集进行超参数搜索，得到所述目标最优参数组合； 基于所述目标最优参数组合对所述XGBoost回归模型进行迭代训练，并在迭代训练过程中，采用列采样的方式对所述XGBoost回归模型中每颗树进行随机选择特征子集，以及通过二阶泰勒展开拟合温度对扩散系数的指数关系； 当迭代训练次数达到预设次数或当前迭代生成的模型损失小于预设阈值时，停止迭代训练，生成所述训练后XGBoost回归模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。