用机器学习辅助的热色二氧化膜的制备.

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术 纳米技术
• 计算材料科学科学 计算材料科学

背景情况:

• 智能窗户通过使用诸如二氧化瓦纳 (VO2) 等材料来调节太阳辐射.
• 在68°C时,VO2 (M) 呈现相变,非常适合节能应用.
• 由于的复杂化学成分,制备纯相VO2 (M) 仍然存在挑战.

研究的目的:

• 探索机器学习 (ML) 算法,以优化VO2 (M) 片的准备.
• 确定影响纯相VO2的成功合成的关键参数.
• 为了证明ML在减少材料准备成本和时间方面的可行性.

主要方法:

• 研究了四种ML算法:MLP,RF,SVM和XGBoost. 这四种算法都被研究了.
• 使用磁铁子喷用于VO2 (M) 薄膜沉积.
• 使用SHAP分析来评估特征的重要性.

主要成果:

• 极端梯度提升 (XGBoost) 实现了最高的预测准确度 (88.52%).
• 基质温度被确定为VO2 (M) 制备的关键参数.
• 优化的参数导致了纯相VO2 (M) 膜的成功实验合成.

结论:

• ML辅助的材料准备对于VO2 (M) 电影来说是非常有效的.
• 这种方法显著减少了实验的试错,节省了资源.
• 为智能窗口应用程序更快地优化材料合成.