7N超高纯铟

多目标优化提纯

采用机器学习辅助垂直区熔工艺，实现对关键杂质的精准去除，成品纯度稳定达到99.99999%。

Shang, Zhongwen · Lian, Zhengheng · Li, Minjie · Ke, Han · 郑红星

Separation and Purification Technology 2023

具体参数

杂质分类模型准确率

{'zh': '0.9', 'en': '0.9'}

总杂质预测RMSE

{'zh': '0.023', 'en': '0.023'}

总杂质预测Pearson相关系数

{'zh': '0.91', 'en': '0.91'}

总杂质预测R²

{'zh': '0.79', 'en': '0.79'}

技术优势

免试错定工艺

杂质分类模型准确率高于0.9，可对多种关键杂质是否达标进行预测，避免通过实际区熔试验逐一摸索。

预测总杂质

岭回归模型预测最终产品总杂质含量，Pearson相关系数r=0.91，能够筛选出更优的工艺参数组合。

定关键参数

SHAP分析揭示总杂质含量主要受原料中Ni、Sn含量及第2至第4道次区熔速度V₂影响，当原料总杂质0.2–0.4 ppm时宜用较低V₂，为实际操作给出明确指引。

应用场景

• 高纯金属材料：为高纯金属制备提供可预测的工艺优化替代传统试错。
• 半导体材料：保障半导体级铟原料中关键杂质达标。
• 高纯合金：用于高纯合金所需7N铟基材的稳定制备。