|
|||||
|
|
| 基于人工智能的描述符预测合金催化材料形成能 | |
| 作者姓名： | 李健聪 王泰然 舒武 胡素磊 欧阳润海 李微雪 |
| 作者单位： | 1. 中国科学技术大学合肥微尺度物质科学国家研究中心;2. 中国科学技术大学化学与材料科学学院化学物理系;3. 上海大学材料基因组工程研究院 |
| 基金项目： | 科技部重点研发计划(2018YFA0208603)；;国家自然科学基金重点项目(91645202,91945302)资助； |
| 摘 要： | 合金材料因其丰富可调的几何结构和电子性质,在催化和材料科学领域得到了广泛的应用.其中合金形成能作为一个重要的物理量,对合金材料的形成和催化活性有重要影响.近年来,随着人工智能和数据库的发展,利用机器学习的方法研究和设计新的材料成为新的研究焦点.基于此,通过人工智能的多任务压缩感知算法,结合AB2合金形成能数据库展开了合金形成能描述符和预测研究.首先建立了相应合金形成能的通用描述符,并展开了特征敏感性分析,揭示出合金材料组分的电子性质和几何性质的影响及其相互依赖关系.研究结果显示,该描述符的预测误差低于8.10 kJ·mol-1,具有清晰的物理可阐述性,并预测了大量未知合金材料的形成能. |
| 关 键 词： | 合金形成能 数据库 机器学习 描述符 敏感性分析 |