基于机器学习的钙钛矿锰氧化物材料设计

摘要：

ABO3 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ABO3 钙钛矿锰氧化物的奈尔温度(Néel temperature,TN),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ABO3 钙钛矿锰氧化物的TN 在线预报平台.利用高通量筛选找到了TN 预测值高于室温的候选材料(Sr0.7 Ce0.1 Sm0.2 MnO3,308.5 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：ABO3钙钛矿锰氧化物、奈尔温度、机器学习、高通量筛选、在线预报

所属期刊栏目：42

分类号：TP181;O482.52+5;TQ137.1+2(自动化基础理论)

资助基金：云南省重大科技专项;之江实验室科研攻关项目

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：625-630