Review: Machine learning for advancing low-temperature plasma modeling and simulation

领域(数学) 计算机科学 透视图(图形) 过程(计算) 数据科学 等离子体 适应(眼睛) 人工智能 管理科学 机器学习 工程类 物理 神经科学 心理学 数学 量子力学 操作系统 纯数学
作者
Jan Trieschmann,Luca Vialetto,Tobias Gergs
出处
期刊:Journal of micro/nanopatterning, materials, and metrology [SPIE - International Society for Optical Engineering]
卷期号:22 (04) 被引量:9
标识
DOI:10.1117/1.jmm.22.4.041504
摘要

Machine learning has had an enormous impact in many scientific disciplines. It has also attracted significant interest in the field of low-temperature plasma (LTP) modeling and simulation in past years. Its application should be carefully assessed in general, but many aspects of plasma modeling and simulation have benefited substantially from recent developments within the field of machine learning and data-driven modeling. In this survey, we approach two main objectives: (a) we review the state-of-the-art, focusing on approaches to LTP modeling and simulation. By dividing our survey into plasma physics, plasma chemistry, plasma–surface interactions, and plasma process control, we aim to extensively discuss relevant examples from literature. (b) We provide a perspective of potential advances to plasma science and technology. We specifically elaborate on advances possibly enabled by adaptation from other scientific disciplines. We argue that not only the known unknowns but also unknown unknowns may be discovered due to the inherent propensity of data-driven methods to spotlight hidden patterns in data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
炎星语发布了新的文献求助10
刚刚
刚刚
善良的焦完成签到,获得积分10
刚刚
潇洒十三发布了新的文献求助10
1秒前
2秒前
肝胆外科医生完成签到,获得积分10
3秒前
3秒前
4秒前
orixero应助海绵宝宝采纳,获得10
4秒前
风趣尔琴完成签到,获得积分10
5秒前
111发布了新的文献求助10
6秒前
李立轩发布了新的文献求助10
6秒前
goldNAN发布了新的文献求助10
7秒前
过噻发布了新的文献求助20
8秒前
风格完成签到,获得积分10
9秒前
9秒前
Lucas应助科研通管家采纳,获得10
10秒前
FashionBoy应助科研通管家采纳,获得10
10秒前
Tong应助科研通管家采纳,获得10
10秒前
桐桐应助科研通管家采纳,获得10
10秒前
桐桐应助科研通管家采纳,获得10
10秒前
10秒前
完美世界应助科研通管家采纳,获得10
10秒前
FashionBoy应助科研通管家采纳,获得10
10秒前
赘婿应助科研通管家采纳,获得30
10秒前
10秒前
Lucas应助科研通管家采纳,获得10
10秒前
汉堡包应助小鱼干采纳,获得10
11秒前
Dan应助ZZZ采纳,获得10
12秒前
脑洞疼应助小先生采纳,获得10
12秒前
13秒前
小嚣张应助cyyyyyy采纳,获得10
13秒前
QinQin发布了新的文献求助10
14秒前
苹果红牛完成签到,获得积分20
15秒前
15秒前
顾矜应助pamela采纳,获得10
16秒前
玲玲发布了新的文献求助10
18秒前
19秒前
小俞完成签到,获得积分10
19秒前
19秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2500
Healthcare Finance: Modern Financial Analysis for Accelerating Biomedical Innovation 2000
Agaricales of New Zealand 1: Pluteaceae - Entolomataceae 1040
Les Mantodea de Guyane Insecta, Polyneoptera 1000
지식생태학: 생태학, 죽은 지식을 깨우다 600
Crystal structures of UP2, UAs2, UAsS, and UAsSe in the pressure range up to 60 GPa 570
Mantodea of the World: Species Catalog Andrew M 500
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 纳米技术 内科学 物理 化学工程 计算机科学 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 电极
热门帖子
关注 科研通微信公众号,转发送积分 3466394
求助须知:如何正确求助?哪些是违规求助? 3059156
关于积分的说明 9065091
捐赠科研通 2749616
什么是DOI,文献DOI怎么找? 1508644
科研通“疑难数据库(出版商)”最低求助积分说明 696987
邀请新用户注册赠送积分活动 696733