基于机器学习的反尖晶石氧化物形成能研究

摘要

为了充分利用开源数据库中的数据，加速反尖晶石氧化物的研究，提取了数据库材料项目中1 746个化学式为AB₂O₄的化合物数据，并从中筛选出111个反尖晶石氧化物，构建了基于阳离子占位情况的特征工程。将得到的数据集作为机器学习模型的输入变量，通过机器学习的方式预测反尖晶石氧化物的形成能。使用随机森林（RF）、梯度提升回归树（GBRT）、极端梯度提升（XGBoost）算法构建了3种机器学习模型，经过特征选择，找出了对模型影响最大的多个特征。将反尖晶石氧化物形成能的预测值与实际值进行对比，得到了对形成能预测最佳的模型GBRT，其在测试集上的决定系数（R²）和均方根误差(R_MSE)分别为0.886 667和0.209 970。训练得到的GBRT模型可用于预测反尖晶石氧化物形成能，从而加快反尖晶石氧化物的探索进度。

关键词

机器学习 / 密度泛函理论 / 反尖晶石氧化物 / 数据挖掘 / 形成能 / 特征工程