机器学习与进化预测超硬B-C-N化合物
材料科学
2021-07-22 v1
摘要
我们构建随机森林模型，仅以化合物的化学式为输入来预测其弹性性质和机械硬度。模型训练使用了超过 10,000 个目标化合物以及基于化学计量属性、元素性质、轨道占据和离子键合水平的 60 个特征。利用这些模型，我们构建了 B-C-N 化合物的三角图，以绘制其体积模量、剪切模量以及硬度值。图示表明 1:1 的 B-N 比例可导向多种超硬组成。我们还通过进化结构预测和密度泛函理论验证了机器学习结果。我们的研究表明 BCN、BCN 和 BCN 呈现硬度值 GPa 的动力学稳定相，这些可能是可通过低温等离子体方法合成的潜在新型超硬材料。
引用
@article{arxiv.2011.02038,
title = {Machine Learning and Evolutionary Prediction of Superhard B-C-N Compounds},
author = {Wei-Chih Chen and Joanna N. Schmidt and Da Yan and Yogesh K. Vohra and Cheng-Chien Chen},
journal= {arXiv preprint arXiv:2011.02038},
year = {2021}
}