刘 进，杨 平

(江苏大学机械工程学院，微纳光电子器件及系统先进制造与可靠性国际实验室，镇江 212000)

0 引 言

ZnO是一种室温下的带隙宽度为3.37 eV，激子束缚能高达60 meV[1]的直接带隙透明导电氧化物半导体材料，在电子传输过程中有较大优势，因其良好的化学和热稳定性、原材料低廉易得等优点，被认为是继GaN之后制备光电器件最有前途的材料[2]。然而，基于ZnO的光电应用并没有取得重大的突破，这主要是由于ZnO存在着掺杂非对称性难题，ZnO本征状态随着ZnO在自然状态下生长，氧空位(VO)，锌间隙(Zni)和氢原子掺入等自补偿缺陷的存在会使得n型导电加强[3-4]，然而单n型导电的ZnO体系并不能解决它在光电领域的需求，制备可重复性，稳定性能高的优秀p型导电ZnO薄膜是关键[5-6]。Ⅲ、Ⅴ族元素共掺ZnO制备p型ZnO薄膜已被证实可行[7]。You等[8]通过脉冲激光法制备了Al-N共掺p型ZnO薄膜。2014年，Wang等[9]利用RF磁控溅射法在石英衬底上制备了Al-P共掺ZnO薄膜。Su等[10]通过实验方法制备P掺杂p型ZnO薄膜。Jindal等[11]制备了N掺杂p型ZnO薄膜。考虑研究Ⅴ族P单掺ZnO体系的光电特性以及受主缺陷VZn存在时对其的影响，缺陷的出现可以通过各类形成能大小对比分析，而缺陷形成能的计算需要对不同的模型计算，效率低下，因此考虑引入算法提高计算的效率。

BP神经网络通过激活函数正向传播[12]，与目标值对比得出误差然后反向传播更新权值阈值[13]，反复此过程达到训练精度得到最优的权值阈值[14]。自适应时刻估计方法(Adam)，它的基本原理是将动量梯度下降法(Momentum)和均方根法(RMSprop)结合在一起对BP算法的权值和阈值进一步修正以确保训练后预测的精度更加合理[15]。……