[发明专利]生成式对抗网络驱动的硅锗超晶格发光新材料开发技术

说明书

本发明公开了一种生成式对抗网络驱动的硅锗超晶格发光新材料开发技术，所述方法包括：使用第一性原理计算产生不同排列方式硅锗超晶格能带结构数据；构造生成式对抗网络，对超晶格对应能带结构的映射关系进行建模；使用模拟计算生成的样本及少量实验数据构造训练数据集；对生成式对抗网络中的生成模型和判别模型进行交错联合训练；使用生成模型对不同排列方式的硅锗超晶格材料体系进行搜索，选择具有最优发光性能的结构；使用该方法获得的生成模型能够以远高于第一性原理计算的速度对硅锗超晶格能带结构进行分析；可以实现大范围的材料结构搜索，指导新型硅锗发光材料的开发。

技术领域

本发明涉及材料计算领域，尤其涉及一种生成式对抗网络驱动的硅锗超晶格发光新材料开发技术。

背景技术

基于微电子技术的摩尔定律在不久的将来面临失效，兼容当前微电子CMOS技术的硅基光电子片上集成技术有望成为未来信息技术的基石，延续摩尔定律。而缺乏高效发光的硅基片上光源成为了硅基光电子片上集成技术的最后阻碍，它的成功研制将引领整个半导体芯片技术的重大变革。高效硅锗超晶格发光材料的研制是当前硅基发光材料重要的突破方向。

目前理论上通过第一性原理计算对硅锗超晶格进行设计和验证，指导实验及测试。这种传统的工作方法面临两方面的主要问题。首先，第一性原理计算资源开销大，每计算一个样本需大量时间及算力，能够搜索的候选空间有限；而硅锗超晶格可能存在的排列组合方式十分庞大，有限的搜索难以获得有效结果。其次，第一性原理计算为近似计算，结果与实际情况有偏差，准确性不能完全保证。

发明内容

本发明鉴于上述情况而做出，其目的是提供一种生成式对抗网络驱动的硅锗超晶格发光新材料开发技术，只需要通过对有限模拟样本及少量真实样本的学习，获得对能带关键信息的评判能力。在使用阶段能够以远高于第一性原理计算的速度，实现对不同排列方式的硅锗超晶格发光性能的判别。该技术以生成式对抗网络的形式将模拟样本与真实样本中蕴含的信息进行融合，在第一性原理计算的基础上实现准确度的提升。运用该技术有望在大范围搜索中发现具有优越发光性能的硅锗超晶格新材料。

本发明提供一种生成式对抗网络驱动的硅锗超晶格发光新材料开发技术，所述技术方法包括：

使用第一性原理计算产生不同排列方式硅锗超晶格能带结构数据。

构造生成式对抗网络，对超晶格对应能带结构的映射关系进行建模。

优选的，所述生成式对抗网络中的生成模型为循环神经网络。

优选的，所述生成式对抗网络中的判别模型为卷积神经网络。

使用模拟计算生成的样本及少量实验数据构造训练数据集。

进一步地，构造训练数据集时，以模拟样本为主，结合少量真实样本。二者在训练中的权重与其数量成反比。

对生成式对抗网络中的生成模型和判别模型进行交错联合训练。

使用生成模型对不同排列方式的硅锗超晶格材料体系进行搜索，选择具有最优发光性能的结构。

进一步地，在搜索过程中，可以结合实验测试结果对模型进行继续训练和升级，提升结果准确性。

优选的，搜索过程可以在多台计算设备上并行执行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明的生成式对抗网络驱动的硅锗超晶格发光新材料开发技术流程图。

具体实施方式