利用机器学习预测二维过渡金属硫族化合物的相偏好
材料科学
2022-09-20 v3
摘要
二维过渡金属硫族化合物（TMDs）可采用若干种可能结构之一，最常见的是三角棱柱对称相和八面体对称相。由于结构决定电子性质，仅从组成原子的知识出发就能预测 TMDs 的相偏好是备受期待的，但一直是一个长期存在的问题。在本研究中，我们应用高通量量子力学计算与机器学习算法来解决这一古老问题。我们的分析提供了对决定 TMD 相偏好的物理化学因素的判定见解，识别并超越了早期研究者在预测晶体结构时所考虑的属性。对这些潜在物理化学因素的认识不仅有助于我们合理化解释，也能准确预测结构偏好。我们表明，机器学习算法是强大的工具，不仅可用于寻找具有目标性质的新材料，也可发现元素属性与目标性质之间先前不明显的联系。
引用
@article{arxiv.2103.07513,
title = {Predicting phase preferences of two-dimensional transition metal dichalcogenides using machine learning},
author = {Pankaj Kumar and Vinit Sharma and Sharmila Shirodkar and Pratibha Dev},
journal= {arXiv preprint arXiv:2103.07513},
year = {2022}
}