上交李金金ACS AMI: 僅需0.005秒,集成學習用于探索新型雙鈣鈦礦! 2023年10月15日 下午4:50 ? 未全平臺發布, 頂刊 ? 閱讀 13 無鉛雙鈣鈦礦(A2BB′X6)被認為是單鈣鈦礦的穩定和綠色光電替代品,但可能表現出間接帶隙和高有效質量,從而限制了它們的最大光伏效率。此外,常規的實驗試錯法和高通量計算無法快速識別出理想的候選者。 在此,上海交通大學李金金特別研究員等人提出了一種集成學習方法,即梯度提升決策樹算法(GBDT,它為特定目標集成了幾個弱學習器)以快速識別合適的雙鈣鈦礦。通過公差因子篩選,作者從元素周期表中的541695個結構中獲得了23314個結構穩定性良好的雙鈣鈦礦。 為了預測這些雙鈣鈦礦的帶隙,作者從開源Materials Project 數據庫中收集了1747個已知的雙鈣鈦礦結構以及計算出的帶隙(Eg)值,然后利用這個數據集建立了一個GBDT模型。通過“末位消除”特征選擇和多次迭代,作者以高精度建立了三個目標類別的分類預測模型,并從 23314個潛在穩定的雙鈣鈦礦中快速找到了6個合適的Eg值為1.0~2.0 eV的雙鈣鈦礦。 圖1. 識別雙鈣鈦礦的ML流程 研究表明,訓練有素的ML模型具有92% 的高預測精度和比DFT計算快108倍的計算速度(~0.005秒VS 8019.13秒)。最終,作者選擇了兩種具有直接帶隙和低有效質量且具有良好熱穩定性的雙鈣鈦礦(Cs2TlPBr6和Cs2AgIrBr6)。 對于其他具有間接Eg或高有效質量的雙鈣鈦礦,適當的帶隙值也可以提供高載流子傳輸并具有優異的光電性能。總之,與傳統的高通量第一性原理計算相比,這項研究所提出的集成學習方法極大地縮短了雙鈣鈦礦的篩選周期,極大地促進了光伏器件的發展和應用。 圖2. ML預測結果及DFT預測速度計算 An Ensemble Learning Platform for the Large-Scale Exploration of New Double Perovskites, ACS Applied Materials & Interfaces 2021. DOI: 10.1021/acsami.1c18477 原創文章,作者:v-suan,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/15/2c1a426cbe/ 機器學習 贊 (0) 0 生成海報 相關推薦 Appl. Catal. B.:低電壓,大電流!Au-Gd-Co2B@TiO2用于電催化海水分解 2023年10月10日 歐陽明高院士/張強教授AEM:低破壞性鋰電池的開發與利用 2023年10月8日 Appl. Catal. B.: 氮化碳中氮空位的選擇性構建及其用于可見光催化合成氣生成 2023年10月14日 福大于巖/李留義ACS Catalysis:光激發共價有機骨架上水合作用引發的水氧化途徑 2022年12月10日 IF超過66!崔屹教授,最新Nature Reviews Materials! 2022年9月3日 申澤鑲/劉曉旭/郭海最新EER評述文章:層狀碳材料結晶度和缺陷對鉀存儲的影響 2023年10月16日