• English

  • 电子科技大学

赵怡程

电子科技大学集成电路科学与工程学院教授、博士生导师,入选国家青年人才计划(海外)、四川省峨眉计划、洪堡学者、材料基因工程青年科学家奖。2022年回国建设高通量人工智能实验平台,成立“复杂半导体与器件”课题组,旨在通过开发机器人高通量智能实验装备,构建“AI+高通量实验大数据”研究范式,从而加速钙钛矿薄膜太阳能电池、特异性分子传感芯片、重构光谱仪等器件研究。2018年-2022年,先后以Humboldt Fellow和Research Scientist身份在德国埃尔朗根-纽伦堡大学(FAU)和赫姆霍兹研究所(HiERN)从事高通量实验和机器学习相关的研发和应用工作,师从Christoph J. Brabec教授;2013年-2018年博士就读于北京大学物理学院,师从俞大鹏院...

查看更多>>

HM Lab 

From Liquids to Electronics: Solution-Processed Semiconductors and Devices

高通量智能实验平台 | 复杂半导体与器件课题组

       新材料是科技革命的物质基础。人类对新材料的开发已经从简单材料,如铜、硅等,逐渐过渡到了种类繁多的多元、多相复杂材料体系,如高熵合金、钇钡铜氧超导体等。逐一试错、逐一优化的传统实验方法已难以有效开发海量的新型复杂功能材料;因此,发展全新的材料器件研发模式已迫在眉睫。

       课题组主要从事“高通量实验+机器学习”智能实验平台的开发及半导体应用研究,其中高通量实验可实现对复杂材料及器件的制备和表征,而机器学习则提供了材料器件学的大数据实时分析、优化和解读能力。高通量实验的核心手段包括自动化多通道移液系统,自动化滴涂/旋涂方法、自动化荧光、UV-vis-IR吸收谱、自动化光电检测和稳定性表征等;机器学习的核心手段包括基于Expectation-Maximization算法的谱学分析,基于Gaussian-Process-Regression算法的全域优化,基于Decision-Tree及其衍生算法的模型建立,以及SHAP模型解读等。半导体应用包括钙钛矿薄膜太阳能电池、特异性分子传感芯片、重构光谱仪等器件研究。


研究手段

基于高速移液系统的高通量溶液加工技术 | 基于旋涂和滴凃的高通量薄膜制备技术

自主开发的高通量谱学表征技术及分析方法 | 自主构建机器学习框架及模型解读器


                                 


电子元器件

薄膜太阳能电池 | 特异分子传感器 | 光电探测器

undefined

   

招生招聘  课题组依托于电子薄膜与集成器件国家重点实验室,招收数据挖掘、信号拟合、概率统计、机器学习、自动化、光学仪器、材料物理、光电器件等相关专业的硕/博士生、博士后和专职科研人员;工作地址:四川省成都市西源大道2006号,电子科技大学(清水河校区)