利用机器学习识别支配辐照烧绿石非晶化的因素
材料科学
2016-07-25 v1
摘要
结构-性能关系是材料科学中的一个关键概念，它使得新材料的开发成为可能。对于辐射环境中的应用材料，将辐射耐受性与材料的基本结构特征相关联有助于材料发现。在此，我们使用机器学习模型来考察支配复杂氧化物烧绿石 (O) 非晶化抗力的因素。我们检验了基于阳离子半径和电负性、氧位置参数以及材料无序化和非晶化能量学的预测保真度。没有任何单一因素能充分预测非晶化抗力。我们发现，当考虑多个烧绿石族（具有不同 B 阳离子）时，半径和电负性提供了最佳预测，但当机器学习模型仅限于 =Ti 烧绿石时，无序化和非晶化的能量学是最优的。该工作为支配非晶化敏感性的因素提供了新见解，并突出了机器学习方法产生该见解的能力。
引用
@article{arxiv.1607.06789,
title = {Using machine learning to identify factors that govern amorphization of irradiated pyrochlores},
author = {Ghanshyam Pilania and Karl R. Whittle and Chao Jiang and Robin W. Grimes and Christopher R. Stanek and Kurt E. Sickafus and Blas Pedro Uberuaga},
journal= {arXiv preprint arXiv:1607.06789},
year = {2016}
}