金属中溶质相互作用的机器学习研究

• 作 者: 何康尼 孔祥山 刘长松
• 机 构: 中国科学院固体物理研究所材料物理重点实验室,中国科学技术大学,山东大学材料科学与工程学院
• 出 处: 安徽师范大学学报:自然科学版
• 发表日期: 2020年5期
• 关键词: 机器学习 支持向量机 溶质相互作用 结合能 machine learningsupport vector machinesolute interactionbi
• 基金项目: 国家自然科学基金项目(11735015,51771185).

使用基于支持向量机的机器学习方法,研究了金属中替代金属溶质与间隙轻溶质之间的结合能。元素的物理或化学属性被选择作为基本特征集。通过对特征进行优化,得到一组最优的特征组合。对数据集进行了拟合和留一交叉验证,并以极小的计算成本对数百个合金体系的结合能数据进行了预测。此外,对新体系的预测效果进行了测试。研究结果表明,基于支持向量机的机器学习方法能显著提高计算效率、加速材料科学研究。