Npj Comput. Mater. : 样品“因材施长”的物理气相沉积自驱实验室

背景：传统物理气相沉积薄膜生长依赖经验试错，效率低下且难以精准调控性能。研究目的：开发一个集成了自动化硬件、原位光谱表征和贝叶斯机器学习的自驱物理气相沉积系统，以实现针对特定样品状态的自适应、高效率薄膜生长。结论：该系统通过引入校准层编码基片差异，结合主动学习和自适应优化，能够针对用户指定的光学目标（如特定波长反射率）自动决策生长参数，显著减少尝试次数，并具备评估目标物理可行性的智能决策能力，为自驱材料合成提供了新范式。