基于机器学习的热导率预测模型研究

发布时间：2024-04-06 20:07

　　传统的理论研究、实验研究及计算仿真已无法满足科学家对新材料的探索与设计。数据驱动的机器学习算法对材料的筛选与性能预测有着推动作用。将机器学习算法应用到材料信息学,基于现有材料热导率数据集,建立机器学习热导率预测模型,通过交叉验证来对机器学习回归模型进行评估。利用机器学习算法建立描述符与热导率属性之间的映射模型,可用于大规模的材料筛选,从而指导实验研究。

【文章页数】：5 页

【部分图文】：

图1CallawayModel特征RF模型下的预测评估图

由表1和表2可见，RF模型下的预测评估值更优。在决定系数R2值的比较中，结合CallawayModel计算公式特征属性的预测评估值R2和RMSE分别为0.7261和51.7262，预测结果详见图1。经验证，4组环境下的实验结果，均显示机器学习与材料热导率之间存在一定的相关性。3....