今天
我们
'关于
去
到
讲话
关于
如何
到
使用
跳转
到
做
薄的
电影
发展
使用 等离子体 -增强 化学 汽 沉积 .
这 是 a 少量 不同的 , I 思考 ,
比 一些 的 这 典型的 工作 那 的 完毕 在 行业 ,
在哪里 它 的 a 不断地 搅拌 反应堆 和 你 能 总是 混合 事物 .
不管 的 什么 发生 , 你 能 总是 措施 输出 .
但在 等离子增强 化学 汽 沉积 ,
它 的 真的 离散的 口袋 的 稳定 那 你 有 到 工作 和 .
甚至 尽管 我们 能 放 向上 一个大的 范围 空间 ,
那里 能 是 斑点 之内 那 范围 空间
在哪里 你 可能 不是 是 有能力的 到 罢工 这 等离子体
或者 它 可以 弧 因为 这 力量 密度 是 也 高的 .
自从 我们 有 a 大的 数字 的 沉积 参数 ,
我们 需要 到 使用 a 设计 的 实验
到 有效地 探索 那 范围 空间 .
甚至 如果 我们 '关于 有能力的 到 罢工 这 等离子体 ,
那里 是 仍然 问题 和 薄的 电影 均匀性 .
我们 '关于 存款 纳米 电影
和 几乎 完美的 均匀性 穿过 a 12 -英寸 晶圆 .
一次 我们 得到 那 , 我们 仍然 有 到 打 这 有针对性的 电影 特性 .
我们 '关于 去 到 讲话 关于 如何 到 使用 等离子体化学气相沉积
到 发展 新的 薄的 电影 从 新的 前体 .
这 第一的 事物 我们 '关于 去 到 做 是 讲话 关于 前体 1 .
从 什么 I 曾是 有能力的 到 读 从 这 跳转 教程 ,
这 权威 筛查 设计 是 a 非常 有效的 方式
到 屏幕 a 大的 数字 的 主要的 效果 在 这 最少 数字 的 实验 .
那 的 钥匙 到 这 工作 那 我们 做。
我们 想 到 得到 这 正确的 回答 在 这 最短 数量 的 时间
和 a 数据 驱动 方法 .
我们 用过的 a 权威 筛查 美国能源部 到 探索 七 因素 在 二十六 运行 .
什么 我们 '二 做 是 只是 打开 向上 那 最初的 美国能源部 .
这 是 这 设置 我们 来了 为了 这 权威 筛查 美国能源部 .
这里 是 这 七 不同的 因素 是 变化 为了 这 沉积物，
和 我们的 输出 是 去 到 是 这 范围 和，
和 我们 '关于 尝试 到 最大化 它 .
如果 我们 看 在 这 范围 的 参数 为了 这 类型 的 等离子体化学气相沉积 加工 ,
这 是 a 非常 宽的 范围 的 最初的 参数 .
再次 , 我们 '关于 尝试 到 屏幕 为了 主要的 效果 ,
和 我们的 输出 是 范围 从， 说 , 9-34 , 和 我们的 基线 曾是 21 .
我们 做 看 一个 改进 那里 .
一 的 这 事物 那 I 总是 喜欢 到 做 什么时候 我们 做 a 美国能源部
是 包括 a 中心 观点 复制 或者 a 重复 跑步
到 看 如何 可重复 这 乐器 是 , 作为 出色地 作为 到 制作 当然
那 这 统计数据 我们 产生 之内 这 设计 是 有效的 .
这些 是 这 二 中心 -观点 运行 ,
和 你 能 看 我们 得到 出色的 可重复性 .
这 其他 事物 那 的 真的 好的 为了 我们 到 做 前 我们 得到 进入 配件 这 模型
是 只是 到 看 在 这 输出 变量
和 尝试 到 确认 任何 趋势 那 我们 能 看 .
是 那里 任何事物 我们 能 确认 迅速地 那 我们 能 属性 这 主要的 因素 到 ?
这里， 那里 的 四 点 和 a Y 价值 的 更大 比 三十 之内 这 美国能源部 .
如果 我们 选择 那些 点 ,
它 的 好的 到 看 如果 我们 能 看 任何 趋势 联系 和 这些 数据 .
一 的 这 最快的 方法 I 成立 到 做 那 是 到 迅速地 做 a 多变量 分析 ,
和 我们 能 做 这 图形地 .
什么 我们 '关于 去 到 做 是 拿 全部 我们的 因素
和 然后 我们的 输出 多变的 ,
和 我们 '关于 去 到 产生 a 多变量 分析 .
这里 在 这 图形 , 这 是 我们的 Y 价值 .
你 能 看 作为 我们 去 从 10至 三十 ,
这 四 价值观 那 是 这 最高 是 突出显示 ,
但 这 行 是 这 各种各样的 因素 .
这里 我们 能 看 为了 氦 ,
我们 有 这 最高 价值观 在 这 高的 和 低的 分裂 .
为了 前体 , 我们 有 这 高的 和 低的 分裂 .
但对于 温度 和 压力 ,
我们 有 这 最高 价值观 在 这 最低 分裂 .
它 的 真的 , I 思考 ,
a 好的 指示 最初 前 我们 已经 完毕 任何 模型 配件 ,
那 温度 和 压力 可以 是 重要的 变量 为了 我们 到 看 在 .
如果 我们 去 后退 到 这 桌子，
这 其他 好的 事物 关于 跳转 , 它 的 非常 强大的 因为...
再次 , 前 我们 做 这 确定的 筛查 ,
我们 能 使用 a 预测器 筛查
到 确认 什么 是 这 最多 重要的 因素 .
再次 , 我们 使用 这 标准 分析 , 输入 我们的 因素 , 我们的 回复 是 Y ,
和 你 能 看 什么 这 预测器 筛查 是 告诉 我们
是 , 是的 , 压力 和 温度 是 非常 重要的 .
但有一个 事物 那 我们 没有 不 抓住
在 那 多变量 分析 是 这 前体 流动 .
这些 三 因素 , 压力 , 前体 流动 , 和 温度
出现 到 是 主导的 在 给予 我们 这 最高 价值观 的 Y .
现在 I 通缉 到 合身 这 模型 因为 I 思考
这 真实的 力量 的 这 美国能源部 是 不是 这 运行 在 这 桌子 ,
但 它 的 这 回复 表面 模型 那 你 能 使用
到 得到 预测 为了 改进 作为 出色地 作为 方向 到 更远 探索 .
但是当 I 去了 到 分析 它 , 它 不会 不 工作 .
它 转弯 出去 我们 是 仅有的 有能力的 到 完全的 二十五 的 这 二十六 运行 ,
和 I 曾是 不是 意识到的 那 这 权威 筛查 美国能源部 ,
这 默认 分析 会 不是 工作 如果 你 做过 不是 完全的 全部 的 这 运行 .
在 这 观点 , I 联系 杰德 在 跳转 到 帮助 我 理解
如何 I 可以 得到 一些 模型 出去 的 这 数据
那 我们 小心 集 超过 a 时期 的 时间 .
I '二 转动 它 超过 到 杰德 .
什么时候 账单 称为 ,
喜欢 他 说 ,
什么时候 他 打 那 脚本 那 已保存 到 这 数据 桌子
的 合身 权威 筛查 , 没有什么 发生 .
如果 你 看 超过 这里 ,
这 日志 是 说 , 那里 是 运行 那 是 不是 折叠 超过 中心 观点 跑步 ,
和 它 的 跑步 17 , 哪个 是 明显地 这 跑步 那 曾是 丢失的
和 不能 不 是 完全的 在 这 实验 .
什么 账单 通缉 曾是 a 方式 到 仍然 合身 那 权威 筛查 模型 .
我们 来了 向上 和 二 不同的 方法
和 有 三 模型 那 来了 关于 从 那些 二 不同的 方法 .
这 第一的 一 是 有关的 到 这 权威 筛查 .
这 设计 的 这些 类型 的 模型， 的 这些 实验，
是 总是 折叠 -超过 对 , 在哪里 那里 的 a 一对 的 对立面 .
如果 我们 能 寻找 那 折叠 -超过 一对 , 或者 这 双 , I 猜测 , 的 这 排 17 ,
我们 应该 是 有能力的 到 排除 两个都 行
和 然后 合身 这 确定的 筛查 设计 .
我们 只是 需要 a 简单的 方式 到 做 那 .
什么 我们 来了 向上 和 曾是 基本上 到 使用 a 夫妻 的 快捷方式 .
I 'm 去 到 第一的 标准化 这 属性 的 这些 列
和 改变 这 造型 类型 到 序数 .
作为 I 做 这 , 你 '二 注意 那 我的 能力 到 选择 有 改变 .
那 帮助 什么时候 I 看 在 a 数据 筛选 .
现在 I 有 盒子 相当 比 直方图 , 所以 它 只是 使 它 快点 到 选择 .
什么 我们 需要 到 做 是 寻找 这 对面的 排 的 这 .
I 有 这 排 17 已选择 , 和 你 看 那 它 的 高的 , 高的 , 高的 ,
低的 , 低的 , 低的 , 和 然后 I 'm 出去 的 记忆 空间 .
I 'm 记住 高的 , 高的 , 高的 , 低的 , 低的 , 低的 .
I 需要 到 寻找 这 对面的 的 那 ,
哪个 是 去 到 是 低的 , 低的 , 低的 , 高的 , 高的 , 高的 .
如果 I 只是 来 超过 这里 和 开始 在职的 我的 方式 向下 , 低的 , 低的 , 低的 , 高的 ,
经过 这 时间 I 得到 到 只是 四 的 这 运行
所以 只是 更多的 比 一半 的 这 因素 已选择 ,
现在 I 'm 向下 到 只是 一 匹配 排 .
它 只是 所以 发生 那 这 非常 下一个 跑步 曾是 这 折叠 一对 在 这 实验 .
我们 能 选择 两个都 的 那些 运行 , 排除 他们 ,
和 然后 去 后退 进入 这 柱子 特性
和 改变 那 造型 类型 后退 到 连续的 .
现在 什么时候 我们 打 那 权威 筛查 按钮 ,
它 作品 .
我们 能 跑步 那 模型 和 看 那 它 的 预测 相当 出色地 .
我们 能 看 这 分析器 , 但 我们 还 是 真的 意识到的
那 一 的 这 运行 出去 的 二十六 , 那 的 几乎 4 %。
我们 '关于 投掷 离开 大致 4 % 的 这 信息 经过 排除 这 .
什么 我们 'd 真的 喜欢 到 做 是 不是 扔 那 信息 离开 ,
寻找 a 方式 到 使用 那 .
我们 用过的 这 模型筛选 平台 在 跳转 专业版 到 跑步 a 束 的 模型
和 然后 选择 这 最好的 .
这 二 那 来了 出去 这 最好的 是 a 神经 和 逐步 模型 ,
和 I 能 走 通过 那些 真的 迅速地 .
这 神经 模型 曾是 和 我们的 回复 和 我们的 因素 .
自从 这 曾是 a 美国能源部 , 我们 '关于 去 到 做 这 最低限度 阻碍 ,
和 I 'm 只是 去 到 选择 a 随机的 种子 所以 这 是 可重复 .
这 模型筛选 平台 一般来说 建议 关于 20 提升 .
如果 I 打 去 这里 , I 得到 a 漂亮的 好的 R 方 穿过 这。
或许 I 可能 尝试 到 调 这 模型 经过 添加 一些 更多的 参数 ,
但 什么时候 I 做 , I 能 看 那 R 正方形 是 不是 真的 改变 .
I 大学教师 不 思考 I 想 到 添加 更多的 参数
和 风险 过度拟合 这 模型 .
那 曾是 一 额外的 方式 到 做 它 .
然后 这 第二 模型 那 显示 向上 容易地 为了 我们
使用 这 模型筛选 平台 曾是 到 做 逐步 .
这 方式 我们 做过 那 曾是 我们 放 我们的 输出 这里
和 然后 使用 这 捷径 到 做 a 回复 表面 .
那 包括 全部 主要的 因素 ,
全部 平方 条款 , 和 全部 二 -方式 相互作用 .
然后 如果 我们 改变 这 到 逐步 这里 , 我们 能 打 这 跑步 按钮 和 去 .
现在 跳转 是 去 到 进入 和 出口 一切
直到 它 发现 这 模型 那 适合 这 最好的 .
我们 能 去 前方 和 跑步 那 .
现在 我们 有 三 模型 那 我们 想 到 比较 .
什么 I 'm 去 到 做 是 I 'm 去 到 拿 这 第一的 模型 和 节省 .
I 'm 去 到 发布 那 预言 公式
到 这 公式 仓库 .
I 'm 去 到 给 它 a 真的 快的 姓名 , 和 我们 将要 称呼 这 渠务署 .
任何 , I 能 不 类型 .
我们 '二 称呼 它 渠务署 , 和 然后 关闭 它 .
我们 '二 做 这 和 这 神经 作为 出色地 .
我们 将要 发布 那 预言 公式 ,
给 它 a 姓名 ,
和 做 这 相同的 和 这 最终的 模型
在哪里 我们 将要 发布 那 预言 公式 .
这 最后的 一 曾是 , 我们 称为 它 逐步 .
现在 I 有 这些 三 模型 和 I 能 比较 他们 .
我们 能 跑步 这 模型 比较 平台 为了 全部 三 的 他们
从 之内 这 公式 仓库。
我们 能 得到 a 秩 的 这 R 方 的 那些 模型 .
我们 能 看 在 这 实际的 相对 预测 ,
和 我们 能 看 那 他们 '关于 全部 预测 关于 这 相同的 .
我们 能 还 看 在 这 预测 经过 排 ,
和 我们 能 看 这 一 观点 从 这 权威 筛查 设计
是 这 一 那 曾是 左边 出去 什么时候 我们 合身 这 原来的 权威 筛查 设计 .
它 似乎 到 是 重要的 , 和 大概 最多 重要的是 ,
我们 能 看 在 a 分析器 为了 全部 的 这些 反对 每个 其他 .
如果 I 转动 离开 这 可取性 , 我们 能 看 如何 这些 模型 比较 到 每个 其他 .
为了 例子 , 我们 能 看 在 那 权威 筛查 设计
和 看 那 它 的 显示 一些 曲率 在哪里 这 其他 二 模型 是 不是 .
或许 我们 能 看 和 看 超过 这里
那 这 曲率 是 不同的 为了 每个 的 那些 .
然后 这 问题 变成 , 哪个 模型 是 最好的 和 如何 做 I 知道 ?
然后 那 带来 我们 后退 到 账单 .
谢谢 , 杰德 .
让 我 分享 我的 屏幕 .
能 你 看 我的 屏幕 ?
是的 .
I 'm 去 到 只是 ...
杰德 已保存 全部 那 到 这 公式 仓库， 所以我 'm 只是 去 到 执行 这 脚本
那 将要 拿 我们 到 这 公式 仓库 那 他 的 已经 已保存 .
再次 , 我们 '二 然后 只是 去 正确的 到 这 分析器 .
我们 '关于 去 到 合身 全部 三 的 这些 .
然后 我们 有 这 分析器 .
这 是 什么 这 真实的 力量 , I 思考 , 的 这 美国能源部 是，
因为 这 预测分析器 , 我们 能 优化 和 最大化 这 可取性 .
这 回复 表面 模型 将要 告诉 我们 什么 组合 的 因素 我们 需要
到 得到 这 最高 松紧带 或者 最高 价值 的 这 输出 范围 .
什么 曾是 真的 眼睛 开幕 为了 我 是 如果 你 看 在 这 价值观 那 我们 得到
什么时候 我们 做 这 优化 , 二 的 这 预测 ,
这 神经 网 和 这 权威 筛查 美国能源部，
是 给予 我们 价值观 的 这 Y 范围
那 是 更大 比 任何事物 我们 锯 在 我们的 最初的 数据 桌子 .
我们 有 a 最大限度 价值 的 三十四 .
让 的 看。
I 'm 对不起 , I 只是 得到 到 得到 那 屏幕 后退 .
通常 , 它 的 非常 异常 为了 我 到 看 这 和 这 美国能源部 .
通常 , 这 模型 , 如果 你 最大化 它 ,
是 一般来说 关闭 到 什么 你 看 作为 在 这 桌子 .
但在 这 案件 , 它 看起来 喜欢 我们 真的 有 一些 低的 -绞刑 水果 .
我们 需要 到 测试 这 组合 的 参数
和 真的 看 如果 那 预言 曾是 有效的 或者 不是 .
如果 我们 去 后退 到 我们的 跳转 杂志...
I 只是 想 到 展示 你 什么 发生了 .
我们 拿了 , I 思考 这 是 这 预言 从 一 的 这 神经 网络 适合 .
再次 , 这 最高 价值 在 这 权威 筛查 美国能源部 曾是 三十四 .
这 模型 预言 曾是 四十二 , 但 什么时候 我们 实际上 跑了 它 ,
我们 锯 一些 文物 在 这 电影 那 是 不是 可接受 .
这 等离子体 本身 曾是 稳定的 .
那里 曾是 不 方式 到 看 这 直到 这 晶圆 来了 出去 的 这 反应堆 .
但你 能 看 那里 的 a 靶心 图案 ,
哪个 是 到期的 到 电影 非 -均匀性 .
在 这 案件 , 它 的 非常 厚的 在 这 中间 和 薄的 在 这 边缘 ,
哪个 给出 我们 这 靶心 图案 .
然后 如果 你 看 小心 ,
你 能 看 全部 这些 小的 点 超过 这 晶圆 ,
哪个 是 实际上 这 孔 在下面 这 淋浴喷头 .
这 淋浴喷头 有 数千 的 小的 孔 在哪里 这 气体 来 出去 .
在 这 案件 , 我们 有 a 淋浴 头 图案 和 a 靶心 .
I 思考 这 模型 是 告诉 我们 什么 方向 到 去 .
但再次 , 等离子体 是 具有挑战性的 到 使用 .
甚至 尽管 这 模型 曾是 告诉 我们
这 电影 应该 有 这 最高 价值 的 Y ,
这 电影 本身 曾是 不可接受 .
然后 我们 有 到 依靠 在 我们的 过程 和 理论 知识 的 这 过程 .
我们 知道 那 氩气 有 a 降低 电离能，
和 如果 我们 代替 氩气 为了 氦 和 这 等离子体 ,
我们 能 得到 a 更高 等离子体 密度 ,
哪个 可能 帮助 我们 克服 这些 挑战 .
什么 我们 做过 是 转变 到 氩气 , 和 你 能 看 ,
虽然 这 电影 是 不是 完美的 , 它 的 很多 更多的 制服
和 当然 好的 足够的 为了 我们 到 得到 这 身体的 特性
的 这 电影 那 我们 能 使用 .
在 这 案件 , 我们 是 有能力的 到 打 a Y 价值 的 46 ,
哪个 再次 , 是 很多 更大 比 三十四 .
我们 '关于 当然 热门 在 这 正确的 方向 .
什么 我们 真的 通缉 到 做 是 ,
是 那里 任何 机会 为了 我们 到 更远 提升 这 电影 ?
再次 , 那 的 在哪里 这 预测分析器
或者 这 回复 表面 模型 是 非常 强大的 .
如果 我们 只是 看 在 这 趋势 那 我们 看 这里...
I 'm 只是 去 到 吹 这些 向上
所以 我们 能 看 他们 a 小的 少量 更好的 为了 每个 的 这些 案例 .
这 数据 是 真的 告诉 我们，
在 肯定 案例 , 那里 的 事物 那 我们 真的 想 到 调查 .
降低 温度
看 喜欢 它 的 确实 偏爱 这 最高 价值 的 Y ,
压力 出现 到 是 a 钥匙 范围 ,
和 低的 -频率 力量 为了 这 最初的 美国能源部
看起来 喜欢 在 二 案例 ,
你 想 到 去 到 更高 低的 -频率 力量 .
这 逐步 是 给予 我们 这 对面的 .
但你 能 看 那 这 是 真的 a 蓝图
为了 我们 到 做 一个 额外的 设计 到 看 如何 远的 我们 能 推 它 .
能 我们 去 到 降低 流动 利率， 能 我们 去 到 降低 温度，
能 我们 去 到 降低 压力 和 更远 提升 这 电影 特性 ?
它 的 真的 顺序 学习 ,
和 那 为了 我 , 是 这 真实的 力量 的 这 美国能源部 .
我们 大学教师 不 真的 有 时间 到 去 通过 全部 的 那 ,
但 什么 I 做过 是 放 一起 a 新的 跳转 桌子 和 这 结果
从 我们的 顺序 学习 为了 这 放 的 实验 .
这里 是 这 相同的 数据 我们 锯 在 这 权威 筛查 美国能源部 .
这里 是 我们的 Y 价值观 , 和 我们 '关于 范围 从 9至 三十四 .
这 不同的 颜色 是 这 不同的 美国能源部 .
这里 的 这 下一个 美国能源部 那 我们 做过 .
什么 你 能 看 是 基于 在 这 趋势 在 这 预言 分析器
和 这 回复 表面 模型 ,
我们 固定的 这 低的 -频率 力量 在 这 最高 环境 我们 可以 .
它 转弯 出去 身体的 限制 为了 这 等离子体 化学 阻止 我们
从 添加 任何 更多的 比 20 % 低的 -频率 力量 .
我们 还 固定的 这 温度 .
我们 能 不 操作 为了 这 化学 以下 200 .
我们 知道 那 降低 温度 给了 我们 这 最高 价值 ,
所以 我们 固定的 这些 二
和 然后 做过 a 五 -因素 美国能源部 聚焦 在 降低 前体 流量 ,
各种各样的 间距 , 这 更高 权力 , 和 当然 这 降低 压力 ,
哪个 曾是 表明的 作为 一 的 这 最多 重要的 参数 .
如果 你 看 在 这 Y 价值观 这里 ,
你 能 看 我们 '关于 确实 热门 在 这 正确的 方向 .
现在 我们 '关于 去 从 中 20多岁 向上 到 56 .
我们 '关于 当然 多于 这 46 我们 锯 那里 .
然后 我们 做过 这 相同的 学习 .
再次 , 这 预测分析器 表明的 什么 参数 我们 应该 探索 .
我们 做过 其他 美国能源部 .
在 这 案件 , 我们 固定的 不同的 参数 ,
但 你 能 看 那 这 趋势 是 这 相同的 .
现在 我们 '关于 击中 向上 到 66 在 条款 的 我们的 Y 价值 ,
和 我们 做过 一 最终的 实验 ,
和 在 这 案件 你 能 看 基本上 这 和 的 全部 这 知识
那 我们 获得 .
它 转身 出去 什么时候 我们 切换 到 氩气 , 你 可以 添加 更多的 低的 -频率 力量 .
你 可以 去 从 零 到 40 %。
在 我们的 最终的 分析 , 这 美国能源部 显示 那 不像 这 第一的 美国能源部 ,
后 我们 微调 一切 和 切换 气体 ,
这 低的 -频率 力量 没有 统计 影响 在 这 Y 价值 .
我们 放 那 到 零 .
我们 成立 出去 这 最低 间距 曾是 这 最多 重要的 .
我们的 甜的 点 为了 压力 曾是 2 .3 托 ,
和 我们 做过 想 到 操作 在 这 最低 温度 .
真的 我们 有 a 三 -因素 美国能源部 之间 全部的 力量 , 前体 流动 ,
和 氩气 稀释 到 真的 拨号 在 这 电影 ,
和 我们 可以 打 a 最大限度 价值 的 84 .
I 总结 全部 那 在 a 盒子 阴谋 这里 , 哪个 I 思考 真的 节目
这 能力 的 这 美国能源部 和 顺序 学习 ,
在哪里 我们 开始 出去 和 a 七 -因素 权威 筛查 美国能源部 和 二十六 运行
和 结束 向上 和 a 三 -因素 I -最佳的 设计 和 16 运行 ,
但 你 能 看 我们的 持续 改进 .
这 曾是 我们的 参考 目标 , 所以 我们 仍然 有 更多的 工作 到 做 .
但这 是 a 非常 强大的 方式 为了 我们 到 屏幕 七 因素
和 三 -等级 设计 在 a 非常 短的 时期 的 时间 .
I 做 思考 它 的 值得 只是 到 观点 出去
如何 高效的 这些 新的 现代的 美国能源部 s 是 .
如果 我们 看起来 在 什么 我们 '关于 真的 正在做 ,
我们 有 七 因素 那 我们 开始 和 .
全部 的 这些 是 三 -等级 设计 .
为了 a 三 -等级 , 七 -因素 设计 , 那 会 是 超过 2 ,100 运行 .
我们 可以 跑步 90 出去 的 这 实验 设计
和 达到 这 增加 在 这 Y 价值 .
I 思考 这些 现代的 设计 ,
这 最佳的 设计 合并 和 这 权威 筛查 美国能源部 s
是 非常 强大的 工具 为了 我们 到 得到 这 最多 价值
和 这 最少 数字 的 实验 .
这 最终的 事物 I 想 到 触碰 在
是 什么时候 我们 切换 到 a 不同的 前体 .
这 是 真的 a 不同的 挑战 我们 面临 .
这 目标 这里 曾是 到 评价 不同的 前体
到 比较 如何 它 堆叠 向上 反对 这 最初的 基线 电影 .
什么 我们 尝试过 到 做 是 使用 全部 的 我们的 学习 从 那些 四 做
和 变得 甚至 更多的 高效的。
反而 的 90 跑步， 能 我们 做 这 在 52 运行 ?
和 杰德 的 帮助 , 我们 放 一起 一个 八 -因素 A -最佳的 设计 ,
但 什么 我们 成立 是 那 这 化学 曾是 令人震惊的是 不同的 .
全部 的 这 范围 空间 那 我们 可以 操作 容易地 和 前体 1
曾是 不是 这 案件 这里 .
在 事实 , I 放 一起 a 滑动 到 展示 你
如何 坏的 一些 的 这些 电影 可以 看 , 所以 我们 可以 得到 完美的 电影 .
你 'd 是 难的 -按下 到 告诉 那里 的 a 电影 .
这 是 a 纳米 -厚的 电影 ,
边缘 到 边缘 在 a 12 -英寸 硅 晶圆 , 完美 制服 .
然后 我们 会 有 电影 那 看 喜欢 这 .
明显地 , 那 的 不是 a 设计 那 我们 通缉 .
但 挑战 那 我们 面临 曾是 , 我们 '关于 正在做 一个 八 -因素 美国能源部 ,
和 我们 '关于 尝试 到 做 这 迅速地 和 高效 ,
和 三十 % 的 这 运行 失败的 .
I 'm 寻找 在 a 桌子 和 八 不同的 因素 .
如何 做 I 挑选 出去 这 因素 那 是 贡献 到 这 ?
什么 我们 做过 是 我们 创建 a 桌子 为了 我们的 八 输入 因素
和 然后 已识别 全部 的 这 电影
那 有 分层 , 电弧 , 或者 其他 问题 ,
和 然后 创建 a 公制 , 只是 a 电影 公制， 经过 或者 失败 .
它 转弯 出去 我们 能 合身 这 分类 多变的
和 看 如果 我们 能 得到 a 模型 那 将要 帮助 我们 理解
什么 是 真的 导致 这些 问题 通过 全部 这些 电影 .
这 第一的 事物 我们 能 做 迅速地
是 再次 去 到 我们的 模型筛选平台，
预测器 筛查 ,
和 得到 a 处理 在 什么 因素 , 如果 任何 , 是 真的 控制 电影 质量 .
如果 我们 看 在 这 , 它 的 漂亮的 清除 和 它 的 令人震惊的是，
因为 这 曾是 不是 这 案件 和 前体 1 .
这 流动 速度 的 这 前体 曾是 经过 远的 和 离开
这 最多 主导的 因素 影响 电影 质量 .
但什么 我们 需要 到 跑步 这些 实验
是 不是 只是 会心 这 因素 ,
但 什么 价值 能 我们 安全地 跑步 到 产生 质量 電影。
那 的 在哪里 我们 做过 这 神经 网 .
再次 , 我们 '二 去 进入 预测 造型， 神经 网，
我们 '二 拿 我们的 因素 ,
和 我们 '关于 去 到 合身 电影 质量 作为 a 分类 多变的 .
I 'm 去 到 去 到 提升 的 20 , 作为 杰德 提及 .
那 的 通常 什么 这 模型筛选 来 向上 和 ,
和 我们 '二 产生 我们的 模型 ,
和 你 能 看 我们 得到 出色的 R 方 价值观 .
这 是 a 分类 模型 .
I 相信 那 寻找 在 这 鹏 曲线
提供 洞察力 进入 如何 出色地 这 模型 适合 .
如果 这 曲线 是 沿着 这 对角线 , 它 的 只是 基本上 a 猜测 .
这 看起来 喜欢 a 一半 正方形 海浪 .
这些 是 基本上 完美的 适合 在 这 鹏 曲线 .
然后 这 问题 是 , 如何 能 我们 利用 那 数据 ?
这 好的 事物 关于 这 神经 网 是 那 你 有 a 分类分析器。
I 能 执行 这 分类刻画器 ,
和 现在 I 放 这 向上 在哪里 我们知道 我们 想 到 操作 在 降低 压力 .
我们 知道 从 这 以前的 工作 我们 想 到 操作 在 降低 间距 .
我们 想 到 去 到 这 最低 可能的 温度。
我们 '二 只是 放 这 在 这 中间 .
然后 基本上 我们 有 这 分析器 那 告诉 我们
这 基本的 因素 影响 这 是 真的 这 氩气 流动 速度 .
如果 我们 能 保持 我们的 流动 速度 以下 400 系统管理控制台 ,
我们 能 有 a 100 % 成功 速度
为了 这 电影 那 我们 '关于 尝试 到 优化 .
和 这 , 我们 放 向上 a 新的 美国能源部 ,
限制 这 全部的 流动 速度 到 400 系统管理控制台 .
我们 '二 去 后退 到 我们的 跳转 杂志 .
我们 是 有能力的 到 来 向上 和 a 新的 设计
和 完全的 41 的 这 四十二 运行 , 和 我们 '关于 仍然 执行 那 学习 .
但它 只是 节目 如何 强大的
这 神经 网络 是 为了 a 分类 多变的
在哪里 我们 能 做 这 在 一个 下午，
在哪里 在 一 o '钟 我们 成立 这些 电影 温 不 在职的 .
三 小时 之后 , 我们 有 a 模型 那 告诉 我们 如何 到 放 向上 a 新的 设计
和 我们 是 执行 那 之后 那 天 .
I 思考 那 的 这 材料 我们 通缉 到 覆盖 .
