基于机器学习的无机钙钛矿材料形成能预测

摘要：

无机钙钛矿材料因其优异的光电性质,如较高的光吸收系数和高载流子迁移率,目前在光伏领域受到广泛关注,是具有极大产业化潜力的新型材料.文章采用机器学习方法构建无机钙钛矿材料的形成能高精度预测模型,应用了XGBoost、随机森林、支持向量回归和LightGBM 4 种机器学习算法来建立预测模型.在测试集上评估不同模型的预测性能后,结果表明LightGBM模型具有最高的预测精度和效果,支持向量回归和XGBoost模型也显示出较好的预测性能,而随机森林算法的预测效果较差.因此,基于机器学习方法,研究构建了无机钙钛矿材料形成能高精度预测模型.LightGBM算法展示了最优的预测效果,为无机钙钛矿材料的高通量筛选和设计提供了关键技术支持.机器学习技术在材料领域的应用,将大幅提高材料发现和设计的效率,给材料科学发展带来深远影响.

关键词：无机钙钛矿材料、机器学习、性能预测、形成能

所属期刊栏目：20

分类号：TP311(计算技术、计算机技术)

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：47-51