基于机器学习的多元化合物带隙预测
Jilin Normal University Journal(Natural Science Edition)（2022）
摘要
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.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要