- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

寻找具有高居里温度的铁磁材料是凝聚态物理的热点问题. 本文建立了有效的基于材料组分信息的居里温度机器学习模型, 并预测了多种高居里温度铁磁材料. 基于收集到的1568个铁磁材料数据, 并以铁磁材料的组分信息作为描述符, 通过超参数优化和十折交叉验证, 构建了支持向量回归、核岭回归、随机森林及极端随机树四种高效的机器学习模型. 这其中, 极端随机树模型具有最好的预测性能, 其交叉验证 R ²评分可达81.48%. 同时, 还应用极端随机树模型对Materials Project数据库36949种铁磁材料进行了预测, 发现了338个居里温度大于600 K的铁磁材料. 本文提出的方法可以为获取具有高居里温度的铁磁材料提供有价值的帮助, 加快铁磁材料设计的过程.

关键词:

Abstract

The search for ferromagnetic materials with high Curie temperature ( T _c) is a hot issue in condensed matter physics. In this work, an effective machine learning model of Curie temperature based on material component information is established to predict a variety of ferromagnetic materials with high Curie temperature. Based on the collected data of 1568 ferromagnetic materials, and taking the component information of ferromagnetic materials as descriptors, in this work four efficient machine learning models are constructed, namely support vector regression, kernel ridge regression, random forest and extremely randomized trees, through hyperparameter optimization and ten-break cross-validation. Of them, extremely randomized tree model has the best prediction performance, and its cross-validation R ²score can reach 81.48%. At the same time, the extremely randomized tree model is also used to predict 36949 materials in the materials project database, and 338 ferromagnetic materials with T _cgreater than 600 K are found in this work. The method proposed in this paper can help obtain ferromagnetic materials with high Curie temperature and accelerate the process of ferromagnetic material design.

Keywords:

作者及机构信息

通信作者:张卫兵,zhangwb@csust.edu.cn

基金项目:国家自然科学基金(批准号: 11874092)、霍英东教育基金会第十六届高等院校青年教师基金(批准号: 161005)和湖南省杰出青年科学基金(批准号: 2021JJ10039)资助的课题.

Authors and contacts

Corresponding author:Zhang Wei-Bing,zhangwb@csust.edu.cn

Funds:Project supported by the National Natural Science Foundation of China (Grant No. 11874092), the Fok Ying-Tong Education Foundation, China (Grant No. 161005), and the Science Fund for Distinguished Young Scholars of Hunan Province, China (Grant No. 2021JJ10039).

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]

施引文献

下载: 全尺寸图片幻灯片

模型	超参数
KRR	alpha = 0.00567165, kernel = “rbf”
SVR	kernel = “rbf”,C= 181.8797945, gamma = 0.18646131
RF	n_estimators = 170, max_features = 0.30, min_samples_leaf = 0.001
EXT	n_estimators = 180, max_features = 0.58, min_samples_leaf = 0.001

下载: 导出CSV

No.	Meanings	Features
1	Mean atomic number	MAN
2	Mean IonicRadius	MIR
3	Mean Modulus of Elasticity	MME
4	Mean melting point	MMP
5	Mean GSmagmom	MGSM
6	Mean covalentradius	MCR
7	Mean IonizationEnergy	MIE
8	Mean ElectronAffinity	MEA
9	Mean AtomicVolume	MAV
10	Mean MendeleevNumber	MMN
11	Composition of Mn	CMn
12	Composition of Fe	CFe
13	Composition of Co	CCo
14	Composition of Ni	CNi
15	range AtomicRadius	RAR
16	range Electronegativity	REE
17	avg p valence electrons	ApV
18	avg d valence electrons	AdV
19	frac f valence electrons	FfV
20	transition metal fraction	TMF
21	2-norm	2N

下载: 导出CSV

	KRR	SVR	RF	EXT
MAE	89.43	83.21	76.52	70.86
RMSE	125.50	125.77	114.71	109.32
R²/%	80.75	80.67	83.92	85.39
CS MAE	95.41	88.64	81.18	74.04
CS RMSE	141.21	137.62	124.13	117.98
CSR²/%	73.70	74.92	79.45	81.48

下载: 导出CSV

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]

[1]	宋睿, 刘雪梅, 王海滨, 吕皓, 宋晓艳.机器学习辅助的WC-Co硬质合金硬度预测. 必威体育下载 , 2024, 73(12): 126201.doi:10.7498/aps.73.20240284
[2]	张旭, 丁进敏, 侯晨阳, 赵一鸣, 刘鸿维, 梁生.基于机器学习的激光匀光整形方法. 必威体育下载 , 2024, 73(16): 164205.doi:10.7498/aps.73.20240747
[3]	张嘉晖.蛋白质计算中的机器学习. 必威体育下载 , 2024, 73(6): 069301.doi:10.7498/aps.73.20231618
[4]	欧阳鑫健, 张岩星, 王之龙, 张锋, 陈韦嘉, 庄园, 揭晓, 刘来君, 王大威.面向铁电相变的机器学习: 基于图卷积神经网络的分子动力学模拟. 必威体育下载 , 2024, 73(8): 086301.doi:10.7498/aps.73.20240156
[5]	刘冰心, 李宗良.CrO₂单层: 一种兼具高居里温度和半金属特性的二维铁磁体. 必威体育下载 , 2024, 73(10): 106102.doi:10.7498/aps.73.20240246
[6]	郭唯琛, 艾保全, 贺亮.机器学习回归不确定性揭示自驱动活性粒子的群集相变. 必威体育下载 , 2023, 72(20): 200701.doi:10.7498/aps.72.20230896
[7]	刘烨, 牛赫然, 李兵兵, 马欣华, 崔树旺.机器学习在宇宙线粒子鉴别中的应用. 必威体育下载 , 2023, 72(14): 140202.doi:10.7498/aps.72.20230334
[8]	管星悦, 黄恒焱, 彭华祺, 刘彦航, 李文飞, 王炜.生物分子模拟中的机器学习方法. 必威体育下载 , 2023, 72(24): 248708.doi:10.7498/aps.72.20231624
[9]	康俊锋, 冯松江, 邹倩, 李艳杰, 丁瑞强, 钟权加.基于机器学习的非线性局部Lyapunov向量集合预报订正. 必威体育下载 , 2022, 71(8): 080503.doi:10.7498/aps.71.20212260
[10]	张嘉伟, 姚鸿博, 张远征, 蒋伟博, 吴永辉, 张亚菊, 敖天勇, 郑海务.通过机器学习实现基于摩擦纳米发电机的自驱动智能传感及其应用. 必威体育下载 , 2022, 71(7): 078702.doi:10.7498/aps.71.20211632
[11]	黎威, 龙连春, 刘静毅, 杨洋.基于机器学习的无机磁性材料磁性基态分类与磁矩预测. 必威体育下载 , 2022, 71(6): 060202.doi:10.7498/aps.71.20211625
[12]	黄玉昊, 张贵涛, 王如倩, 陈乾, 王金兰.二维双金属铁磁半导体CrMoI₆的电子结构与稳定性. 必威体育下载 , 2021, 70(20): 207301.doi:10.7498/aps.70.20210949
[13]	林键, 叶梦, 朱家纬, 李晓鹏.机器学习辅助绝热量子算法设计. 必威体育下载 , 2021, 70(14): 140306.doi:10.7498/aps.70.20210831
[14]	陈江芷, 杨晨温, 任捷.基于波动与扩散物理系统的机器学习. 必威体育下载 , 2021, 70(14): 144204.doi:10.7498/aps.70.20210879
[15]	王伟, 揭泉林.基于机器学习J₁-J₂反铁磁海森伯自旋链相变点的识别方法. 必威体育下载 , 2021, 70(23): 230701.doi:10.7498/aps.70.20210711
[16]	王海宇, 刘英杰, 寻璐璐, 李竞, 杨晴, 田祺云, 聂天晓, 赵巍胜.大面积二维磁性材料的制备及居里温度调控. 必威体育下载 , 2021, 70(12): 127301.doi:10.7498/aps.70.20210223
[17]	杨自欣, 高章然, 孙晓帆, 蔡宏灵, 张凤鸣, 吴小山.铅基钙钛矿铁电晶体高临界转变温度的机器学习研究. 必威体育下载 , 2019, 68(21): 210502.doi:10.7498/aps.68.20190942
[18]	王芳, 汪金芝, 冯唐福, 孙仁兵, 余盛.La(Fe, Si)13化合物的居里温度机制. 必威体育下载 , 2014, 63(12): 127501.doi:10.7498/aps.63.127501
[19]	朱骏, 卢网平, 刘秋朝, 毛翔宇, 惠荣, 陈小兵.(Bi, La)4Ti3O12-Sr(Bi, La)4Ti4O15共生结构铁电材料性能研究. 必威体育下载 , 2003, 52(10): 2627-2631.doi:10.7498/aps.52.2627
[20]	陈伟, 钟伟, 潘成福, 常虹, 都有为.La0.8-xCa0.2MnO3纳米颗粒的居里温度与磁热效应. 必威体育下载 , 2001, 50(2): 319-323.doi:10.7498/aps.50.319

计量

文章访问数:2386
PDF下载量:76
被引次数:0

搜索

留言板