基于机器学习方法估算超导体临界温度的研究
超导电性
2023-08-07 v1 机器学习
摘要
超导体一直是最引人入胜的物质之一,因为自发现以来,超导性的基本概念以及临界温度与超导材料之间的关联已是广泛研究的焦点。然而,常温超导体尚待确认。此外,关于这一独特现象仍存在许多未知因素和理解空白,特别是超导性与估算临界温度的基本准则之间的联系。为弥补这一空白,已建立众多机器学习技术来估算临界温度,因为这极其困难。进而,各种机器学习方法似乎强烈强调需要一种超越标准经验公式范围的复杂且可行的方法来确定温度区间。本文使用堆叠机器学习方法在超导材料的复杂特征上训练自身,以准确预测临界温度。与先前其他可获取的研究相比,该模型展现出良好性能,RMSE为9.68,R2分数为0.922。此处呈现的发现可作为一种可行技术,为带超参数优化(HPO)的堆叠集成方法的有效实施提供新的见解。
引用
@article{arxiv.2308.01932,
title = {Investigation on Machine Learning Based Approaches for Estimating the Critical Temperature of Superconductors},
author = {Fatin Abrar Shams and Rashed Hasan Ratul and Ahnaf Islam Naf and Syed Shaek Hossain Samir and Mirza Muntasir Nishat and Fahim Faisal and Md. Ashraful Hoque},
journal= {arXiv preprint arXiv:2308.01932},
year = {2023}
}
备注
Accepted for publication on IEEE INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, ROBOTICS,SIGNAL, AND IMAGE PROCESSING (AIRoSIP 2023)