物理气相沉积法制备的二元不互溶合金薄膜中扩散受限的纳米结构丘状生长的神经网络与光谱特性分析

《Materials & Design》：Neural network and spectral characterization of diffusion-limited nanostructured hillock growth in physical vapor-deposited binary immiscible alloy films

　　

Sourav Ghosh|Maycon Meier|Kumar Ankit

摘要

在金属薄膜中，小丘的形成通常归因于应力松弛；然而，在相分离合金体系中，表面不稳定性可能完全源于气相沉积过程中的扩散限制效应。虽然相场模型此前已能描述此类形态演变，但针对扩散限制型小丘模式的定量分类与预测仍未能解决。在本研究中，我们引入了一种基于快速傅里叶变换所得结构因子分析的光谱特征表征框架，以此准确区分垂直排列、部分有序以及无序的小丘形态——这些形态无法通过实空间指标可靠区分。在这一基于物理原理的分类基础上，我们构建了一个监督神经网络，将沉积速率和扩散动力学直接映射到小丘生长模式上，进而生成概率密度图，清晰显示出动力学参数空间中的转变规律。通过相场模拟系统地改变沉积速率和原子扩散系数，我们证实小丘形态是由原子扩散与沉积通量之间的竞争所决定的，较低的沉积速率有利于扩散限制型的表面重排。这种结合光谱分析与机器学习的方法，为气相沉积的互不相溶合金薄膜中由扩散驱动的表面不稳定性提供了定量且具有预测性的分类与控制途径。