利用图神经网络与随机森林预测大磁矩材料
材料科学
2023-04-19 v4 机器学习
摘要
磁性材料是许多可推动生态转型的技术的关键组成部分，包括电动机、风力涡轮发电机和磁制冷系统。因此，发现具有大磁矩的材料日益成为优先事项。在此，我们利用最先进的机器学习方法，扫描包含数十万种现有材料的无机晶体结构数据库（ICSD），以寻找铁磁性且具有大磁矩的材料。晶体图卷积神经网络（CGCNN）、材料图网络（MEGNet）和随机森林在包含高通量DFT预测结果的Materials Project数据库上训练。对于随机森林，我们采用随机方法基于化学组成和晶体结构选取近一百个相关描述符。这给出了与神经网络相当的结果。这些不同机器学习方法之间的比较给出了我们对ICSD数据库预测误差的估计。通过与可用的实验数据比较来验证我们的最终预测，我们发现了15种可能具有大磁矩且尚未被实验研究的材料。
引用
@article{arxiv.2111.14712,
title = {Prediction of Large Magnetic Moment Materials With Graph Neural Networks and Random Forests},
author = {Sékou-Oumar Kaba and Benjamin Groleau-Paré and Marc-Antoine Gauthier and André-Marie Tremblay and Simon Verret and Chloé Gauvin-Ndiaye},
journal= {arXiv preprint arXiv:2111.14712},
year = {2023}
}