利用机器学习预测硅酸盐玻璃的溶解动力学
无序系统与神经网络
2018-03-14 v1 材料科学
摘要
预测硅酸盐玻璃在水溶液条件下的溶解速率是一项复杂任务，因为潜在机制仍知之甚少，且溶解动力学可能依赖于大量内在和外在因素。在此，我们评估了基于机器学习的数据驱动模型预测各种铝硅酸盐玻璃在从酸性到碱性的广泛溶液pH值下暴露时的溶解速率的潜力。研究了四类机器学习方法，即线性回归、支持向量机回归、随机森林和人工神经网络。我们观察到，尽管线性方法均未能描述溶解动力学，但人工神经网络方法因其处理非线性数据的内在能力而提供了优异的预测。总体而言，我们建议更广泛地使用机器学习方法可显著加速具有定制性质的新型玻璃的设计。
引用
@article{arxiv.1712.06018,
title = {Predicting the dissolution kinetics of silicate glasses using machine learning},
author = {N. M. Anoop Krishnan and Sujith Mangalathu and Morten M. Smedskjaer and Adama Tandia and Henry Burton and Mathieu Bauchy},
journal= {arXiv preprint arXiv:1712.06018},
year = {2018}
}