機械学習に基づく高エネルギーイオン塩の特性予測と解釈可能性分析

科学分野:

• 材料科学
• 計算化学
• 化学工学

背景:

• 高エネルギーイオン塩（EIS）は、爆発物および推進薬用の重要なエネルギー材料です。
• EIS特性の予測は、その開発と応用の加速に不可欠です。

研究 の 目的:

• EISの主要な特性を予測するための機械学習（ML）モデルを開発すること。
• 特性予測のための異なるMLアルゴリズムのパフォーマンスを評価すること。
• EIS特性予測のための重要な記述子を特定すること。

主な方法:

• カスタマイズされた記述子セット（CDS）を持つ1202のEISのデータセットを利用しました。
• MLP、SVR、KRR、GBRの5つのMLアルゴリズムを評価しました。
• 記述子の重要性を理解するためにSHAP分析を採用しました。

主要な成果:

• 最適なMLモデルは特性によって異なり、密度はMLP、爆発圧力はSVR、生成エンタルピーと爆速はKRR、熱分解温度はGBRが使用されました。
• 密度と生成エンタルピーの予測精度は、爆発特性と熱分解温度と比較して高かった。
• ニトロ基の結合に焦点を当てたサブモデルは、熱分解温度の予測を改善しました。

結論:

• MLモデルは、EIS特性の予測において大きな可能性を示し、構造設計を加速します。
• 記述子の重要性は特性によって異なり、酸素バランス、水素、窒素のカウントが普遍的に重要です。
• この研究は、新しいエネルギーイオン塩のデータ駆動型設計の基礎を提供します。