利用机器学习提取潜在机制预测氧化物钙钛矿的形成与稳定性
材料科学
2022-03-01 v1
摘要
由于应用广泛，氧化物钙钛矿的性质优化引起了关注。本工作中，使用层次聚类技术降低文献中报道的对钙钛矿形成与稳定性有影响所选特征间的多重共线性。基于文献与在线仓库中大量的双氧化物钙钛矿组分空间，本文试图提取组分与结构之间的关系以预测其可形成性与稳定性。在这些数据集上训练机器学习 (ML) 分类器以预测新型稳定钙钛矿组分。该研究使用广阔特征空间来缩小影响钙钛矿化合物可形成性与稳定性的最重要因素。它还识别出具有适用于光伏与光催化应用的带隙的稳定组分。所开发的基于随机森林 (RF) 的模型可通过关注驱动各应用背后现象的理化机制，扩展至包含超出光敏应用的含义。
引用
@article{arxiv.2202.13087,
title = {Predicting the formation and stability of oxide perovskites by extracting underlying mechanisms using machine learning},
author = {George Stephen Thoppil and Alankar Alankar},
journal= {arXiv preprint arXiv:2202.13087},
year = {2022}
}