通过可解释机器学习和主动搜索进度来逆向设计低电阻的三元金合金.
Hang Che1, Tian Lu2, Shumin Cai1
1Department of Chemistry, College of Sciences, Shanghai University, Shanghai 200444, China.
Materials (Basel, Switzerland)
|July 27, 2024
概括
研究人员使用机器学习和主动搜索进度方法发现了具有明显较低电阻的新三元金合金. 确定了8种新型合金候选物,其电气性能提高了53%以上.
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
- 合金设计设计 合金设计
背景情况:
- 三级金合金 (TGA) 由于其优越的电性能而受到重视.
- 电阻是评估TGA性能的一个关键指标.
- 发现具有较低电阻的TGA对于推进电子应用至关重要.
研究的目的:
- 开发一种新的反向设计方法,用于识别具有降低电阻力的有前途的TGA.
- 将机器学习技术与主动搜索进度 (PSP) 方法集成,以实现高效的合金发现.
- 建立TGA中电阻的预测模型.
主要方法:
- 采用反向设计策略,将机器学习 (ML) 与主动搜索进度 (PSP) 方法相结合.
- 利用支向量回归 (SVR) 作为预测电电阻的最佳模型,达到0.73 (训练) 和0.77 (测试) 的R2值.
- 解释了SVR模型以确定与低电阻相关的关键材料描述符:范德瓦尔斯半径 (Vrt=0),Vr<217,MoKα (Macm) 的质量衰减系数>77.5cm2g-1.1.
主要成果:
- 成功识别了8种新的TGA候选物,预测电阻比数据集中观察到的最低电阻明显低 (53-60%).
- 典型的候选物包括Au1.000Cu4.406Pt1.833和Au1.000Pt2.232In1.502. 这两种类型.
- 使用模式识别方法验证了已识别的候选物体的低电阻.
结论:
- 集成的ML和PSP方法对于反向设计和发现高性能TGA是有效的.
- 已确定的TGA候选物体代表了在实现较低电阻率方面取得的重大进展.
- 这项研究为加速发现具有定制电性质的先进材料提供了一个框架.


