项目开发一种有别于传统MOCVD的氮化镓（GaN）制备方法，采用AI-PVD方法制备氮化镓，其特点是低温、绿色、成本低、国产化。有望成为MOCVD方法的互补方案和替代方案。
关键技术创新：
仿真建模（ 物理洞察）：构建PVD腔体内部气体流动、热传导与溅射粒子轨迹的三维模拟仿真模型，实现对沉积环境多物理耦合机制的深度感知。
AI控制（ 结构映射）：利用DeepONet等神经算子机器学习框架，实现沉积工艺参数–膜层结构–器件性能之间的双向可逆非线性映射，为工艺调控提供智能预测引擎。
数字孪生反馈（ 实时校正）：构建与物理设备同步的数字孪生体，融合仿真模型与在线传感数据，实现沉积过程的状态实时感知、性能动态预估与偏差自适应修正。
强化学习优化（ 闭环驱动）：基于强化学习策略搜索算法，构建目标导向的闭环实验优化机制，使沉积路径具备“自主探索—反馈修正—策略演化”的能力。
