-
题名基于机器学习的钙钛矿锰氧化物材料设计
- 1
-
-
作者
卢凯亮
畅东平
纪晓波
陆文聪
-
机构
上海大学材料基因组工程研究院
上海大学理学院
-
出处
《中国材料进展》
CAS
CSCD
北大核心
2023年第8期625-630,共6页
-
基金
云南省重大科技专项(202002AB080001-1)
之江实验室科研攻关项目(2021PE0AC02)。
-
文摘
ABO_(3)钙钛矿锰氧化物因成本低廉和稳定性好,已成为反铁磁体中最热门的存储器材料。提高ABO_(3)钙钛矿锰氧化物的奈尔温度(Néel temperature,T_(N)),使之在室温下呈现反铁磁性,具有重要的意义。利用超多面体方法对特征变量的重要性进行排序,进而结合机器学习算法来筛选特征变量,并构建了极端梯度回归(XGBoost)机器学习模型,搭建了ABO_(3)钙钛矿锰氧化物的T_(N)在线预报平台。利用高通量筛选找到了T_(N)预测值高于室温的候选材料(Sr_(0.7)Ce_(0.1)Sm_(0.2)MnO_(3),308.5 K),其TN比已知最高的样本还高6.37%。该研究方法有助于实验工作者选择最有希望的材料来做实验,可以加快新材料的研发和性能突破。
-
关键词
abo_(3)钙钛矿锰氧化物
奈尔温度
机器学习
高通量筛选
在线预报
-
Keywords
abo_(3)perovskite manganates
Néel temperature
machine learning
high-throughput screening
online prediction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
O482.525
[理学—固体物理]
TQ137.12
[化学工程—无机化工]
-