基于改进 ＰＳＯ￣ＢＰ 神经网络算法的半导体材料带隙宽度预测

半导体材料的带隙宽度对其性能有重要影响，准确预测带隙宽度对半导体材料的研究具有重要意义。通过密度泛函理论计算半导体材料带隙宽度通常需要耗费大量的时间且预测精度较低，因此建立了一种基于统计学方法和改进PSO-BP神经网络算法的半导体材料带隙宽度预测模型，用于提高带隙值的预测精度。该模型先通过统计学的方法对半导体材料带隙宽度数据集的特征属性进行分析和选择，而后利用改进的PSO-BP神经网络算法挖掘特征属性与带隙值之间隐含的数学关系。实验结果表明，该预测模型相比于对照模型的均方误差降低了25％以上，可靠性达到了75.15%，可广泛应用于需要大量预测半导体材料带隙宽度的场合中。