基于成键前孤立态的机器学习模型准确预测成键性质
材料科学
2022-03-02 v1 应用物理
化学物理
数据分析、统计与概率
摘要
鉴于材料结构与性质对组成键的长度和强度的强烈依赖，以及表面吸附和化学反应由两体系间成键所引发的事实，成键参数对材料设计和工业过程至关重要。本研究使用基于机器学习（ML）的模型，根据成键前孤立体系的相关信息准确预测成键性质。该模型采用成键前的态密度（DOS）作为 ML 描述符，即使仅使用全部数据集的 20% 进行训练，也能准确预测结合能、键距、共价电子数和费米能。结果表明，成键前孤立体系的 DOS 是准确预测成键与吸附性质的有力描述符。
引用
@article{arxiv.2104.08103,
title = {Accurate Prediction of Bonding Properties by A Machine Learning-based Model using Isolated States Before Bonding},
author = {Eiki Suzuki and Kiyou Shibata and Teruyasu Mizoguchi},
journal= {arXiv preprint arXiv:2104.08103},
year = {2022}
}
备注
10 pages, 3figures