在使用机器学习方法的石材料中,均极化反转屏障的关键因素
Yao Kang1,2, Jian Chen1,2, Jinyang Sui1
1School of Materials Science and Engineering, Dalian University of Technology, Dalian 116024, China.
ACS applied materials & interfaces
|September 5, 2024
概括
机器学习模型预测了石材料中的铁电极化逆转障碍. 平均阴离子电位是关键,指导开发具有降低强制电压的新铁电器.
科学领域:
- 材料科学 材料科学 材料科学
- 固态物理 固态物理
- 计算材料科学科学 计算材料科学
背景情况:
- 添加的化 (石结构) 显示出铁电的前景,但由于高强制电压而面临挑战.
- 了解极化逆转对于降低强制电压和启用应用至关重要.
- 目前的知识缺乏统一的因素影响这些材料的偏振逆转.
研究的目的:
- 开发机器学习模型,用于预测石材料中的均极化逆转屏障 (Eua).
- 确定控制极化逆转过程的关键内在因素.
- 为减少铁电材料中的强制电压提供见解.
主要方法:
- 使用了机器学习回归模型.
- 数据集包括41个二进制和113个简单的三进制石材料.
- 特性包括元素,晶体,机械和电子性质;Eua通过第一原则方法计算.
主要成果:
- 被确定为影响EUA的主要内在因素的平均阴离子潜力.
- 从相对阴离子-离子高度比率,细胞参数比率和平均阴离子门德列夫数观察到的二次影响.
- 模型成功地预测了Eua在各种石材料系统中.
结论:
- 这项研究系统地评估了影响石材料均极化逆转屏障 (Eua) 的因素.
- 识别了EUA的关键预测因素,推进了超越单一材料系统的理解.
- 为设计具有量身定制强制电压的铁电材料提供了基础.


