FerroAI：用于预测铁电材料相图的深度学习模型

成分-温度相图对于设计铁电材料至关重要，然而由于相变数据有限以及传统方法的局限性，对其进行准确预测仍具挑战。在此，我们利用自然语言处理（NLP）对41,597篇研究文章进行文本挖掘，构建了涵盖846种铁电材料中2,838次相变的数据集。基于该数据集，我们开发了用于相图预测的深度学习模型FerroAI。FerroAI成功预测了Ce/Zr共掺杂BaTiO$3$ (BT)-$x$Ba${0.7}$Ca$_{0.3}$TiO$_3$ (BCT)中不同晶体对称性之间的相界与相变。它还在$x = 0.3$的Zr/Hf共掺杂BT-$x$BCT中识别出一条准同型相界，指导发现了一种经实验测量介电常数为9535的新型铁电材料。这些结果确立了FerroAI作为相图构建的有力工具，可指导高性能铁电材料的设计。