关于钙钛矿与陶瓷中氧气扩散的可解释机器学习

可解释机器学习有助于发现新型物理关系，以理解支配钙钛矿和陶瓷中氧气扩散活化能的材料属性。我们构建了实验活化能数据库，并对材料属性特征应用分组算法。随后使用这些特征拟合七种不同的机器学习模型。集合共识确定，对于预测钙钛矿中的活化能，最重要的特征是 A 位点键的离子性以及氧气的部分压力。对于陶瓷，最重要的特征是 A 位点的 s 价电子数和 B 位点的电负性。所有最重要的特征都由元素金属属性的加权平均值构成，尽管包括加权平均的二元氧化物在我们的特征集中。这是一种令人惊讶的现象，因为组成氧化物的材料属性与钙钛矿和陶瓷的实验测量属性更为相似。本文确定的易于测量的特征使能够快速筛选具有快速氧化物离子扩散性的新材料。