面向材料发现的可解释机器学习：预测潜在可形成的Nd-Fe-B晶体结构并提取结构-稳定性关系
材料科学
2020-08-21 v1 化学物理
摘要
新的Nd-Fe-B晶体结构可通过LATX宿主结构的元素替代形成，其中包括镧系元素LA、过渡金属T和轻元素X（如B、C、N和O）。所收集的5967个三元LATX材料样本随后被用作宿主结构。对于每个宿主晶体结构，通过将所有镧系位点替换为Nd、所有过渡金属位点替换为Fe、所有轻元素位点替换为B，创建出一个替代晶体结构。应用高通量第一性原理计算来评估新创建晶体结构的相稳定性，发现其中20个具有潜在可形成性。采用基于监督与无监督学习技术的数据驱动方法，估计新创建的NdFeB晶体结构的稳定性并分析其结构-稳定性关系。为预测新创建NdFeB结构的稳定性，从LATX宿主晶体结构学习了三种监督学习模型：核岭回归、逻辑分类和决策树模型；这些模型分别取得了最高70.4%的准确率和68.7%的召回率。另一方面，我们提出的基于描述符相关性分析与高斯混合模型集成的无监督学习模型，取得了72.9%的准确率和82.1%的召回率，显著优于监督模型。在捕获并解释NdFeB晶体结构的结构-稳定性关系时，该无监督学习模型指出平均原子配位数和Fe位点的配位数是决定新替代NdFeB晶体结构相稳定性的最重要因素。
引用
@article{arxiv.2008.08793,
title = {Explainable Machine Learning for Materials Discovery: Predicting the Potentially Formable Nd-Fe-B Crystal Structures and Extracting Structure-Stability Relationship},
author = {Tien-Lam Pham and Duong-Nguyen Nguyen and Minh-Quyet Ha and Hiori Kino and Takashi Miyake and Hieu-Chi Dam},
journal= {arXiv preprint arXiv:2008.08793},
year = {2020}
}
备注
14 pages, 7 figures