喷丸等离子烧结UCo材料的热力学性质与机器学习预测的比较

硅酸盐二氧化铀因其高铀密度和化学稳定性，已被广泛用于商业光水堆核燃料。然而，其较低的热导率在燃料完整性和安全裕度方面并非理想，尤其是在失去冷却剂事故期间。尽管开发具备更高热导率的容错型燃料需求强烈，但许多潜在的铀化合物因涉及放射性材料的处理限制而未得到充分探索。为高效筛选具备高热导率的铀化合物，过去的研究已利用机器学习模型加速发现过程。本研究通过制备UCo并测量其高温热力学性质来检验模型的预测结果。我们的结果表明，机器学习预测的UCo热导率与实验测量值良好一致。尽管存在轻微差异，但额外的SHAP分析表明，模型的决策逻辑与已知的物理趋势相符。总体而言，本研究填补了UCo材料报告热力学性质的空白，为机器学习辅助筛选与先进燃料开发相关的铀化合物提供了实验支持。