基于机器学习的预测Fe和Pt基合金Curie温度的方法
材料科学
2025-11-11 v1
摘要
可以采用各种技术确定磁性相变的温度，无论是Curie温度还是Néel温度。标准程序通常涉及创建具有特定配方的合金并进行实验测量。或者，可以基于已知材料的物理和化学性质在实验前预测这些温度。我们确定了最佳特征集并选取了最有效的算法。我们的发现表明，结合蒙特卡洛交叉验证的投票集成模型在预测准确率方面取得最佳效果。归一化均方根误差作为主要的性能指标。对于实现，我们利用Azure机器学习框架，其具有强大的计算和集成能力。这一方法为设计和预测三元合金的Curie温度提供了一种高效可靠的策略。本文还概述了该模型及其扩展在其他系统中的潜在应用。
引用
@article{arxiv.2511.06827,
title = {Machine Learning Approach to Predict the Curie Temperature of Fe- and Pt-Based Alloys},
author = {Svitlana Ponomarova and Oleksandr Ponomarov and Yurii Koval},
journal= {arXiv preprint arXiv:2511.06827},
year = {2025}
}