基于机器学习的多元化合物带隙预测

作者：董延华; 佘安琪; 王铭; 梁久欣; 孙宏宇^*

来源：吉林师范大学学报(自然科学版), 2022, 43(02): 119-124.

DOI：10.16862/j.cnki.issn1674-3873.2022.02.018

• 多元化合物
• 机器学习
• 带隙
• 第一性原理
• 二维材料

针对使用第一性原理计算获得高精度带隙的方法耗时长、效率低，并且在系统地测量大量材料系统带隙时难度大的弊端，结合机器学习中常用的岭回归、Lasso回归、支持向量回归(SVR)和随机森林算法，提出利用已知物理特征预测多元化合物带隙的机器学习方法.最后通过实验给出了基于成分信息特征集对各种模型的比较结果，分析各方法的性能、优势和不足.通过机器学习方法能够实现精准地预测多元化合物带隙，降低研究成本.

• 单位
  吉林师范大学