基于凝聚层次聚类的光伏应用潜在双钙钛矿材料筛选
材料科学
2021-11-16 v1
摘要
近年来，数据驱动方法因能预测未知材料性质并揭示结构与性能之间的关系，在材料科学问题中获得了极大关注。GBRT、随机森林和神经网络等机器学习算法在预测材料目标性质和各种应用的结构设计方面取得了巨大成功。然而，使用这些算法在所需精度内取得结果的一个主要障碍是需要大型数据集，当数据不足以训练模型时，这一问题颇具挑战。本工作中，我们提出使用一种层次聚类算法，该算法在具有小数据集约束的材料科学问题上表现明显更优。我们将该算法应用于筛选有前景的双钙钛矿材料作为太阳能电池候选者。
引用
@article{arxiv.2111.07557,
title = {Screening of potential double perovskite materials for photovoltaic applications using agglomerative hierarchical clustering},
author = {Utkarsh Saha and Koyendrila Debnath and Soumitra Satapathi},
journal= {arXiv preprint arXiv:2111.07557},
year = {2021}
}