机器学习加速了具有巨大的压电系数的功能MXenes的发现

科学领域:

• 材料科学 材料科学 材料科学
• 计算材料科学科学 计算材料科学
• 凝聚物质物理学 凝聚物质物理学

背景情况:

• 选广的材料空间,寻找新的功能性材料是一个重大挑战.
• 压电材料对于各种电子和传感器应用至关重要.
• MXenes提供了一类具有可调性属性的有前途的二维材料.

研究的目的:

• 为了有效地选一个大数据库的MXenes高外平面的压电应力系数.
• 使用计算方法识别具有优越压电特性的新型MXene材料.
• 通过机器学习加速发现先进的压电材料.

主要方法:

• 利用了第一原则计算和机器学习算法 (随机森林,梯度提升,支持向量,多层感知器).
• 分析了1757个非中心对称的MXenes与非零带间隙.
• 采用积极的学习周期,以有效地发现材料.

主要成果:

• 机器学习模型在预测压电特性方面取得了高精度 (R平方高达0.89).
• 确定了超过140个和22个MXenes,其压电应力系数分别超过3x10^-10和5x10^-10 C/m.
• 在22个具有巨大的压电系数的MXenes和9个具有很大的内平面和外平面压电应变系数的MXenes中确认了热力学稳定性.

结论:

• 机器学习显著加速了新型压电材料的发现.
• MXenes是下一代压电应用的非常有前途的候选者.
• 开发的计算方法可以有效地探索材料属性.