Npj Comput. Mater.: 可解释KNN陶瓷高压电系数的机器学习—快而准？

文章预览

海归学者发起的公益学术平台 分享信息，整合资源 交流学术，偶尔风月 高性能压电陶瓷是现代电子设备中至关重要的一类材料。为追求可持续发展，以 PbZr 1−x Ti x O 3 (d33 ≈ 200-1500 pC/N)为主的传统铅基压电材料正在逐步过渡到(K, Na)Nb O 3 (KNN)基等无铅压电陶瓷。经过数十年的努力，KNN基陶瓷压电系数(d33)不断突破(d33 ≈ 100-650 pC/N)，同时也积攒了大量的文献数据有待进一步挖掘，但基于传统经验试错法的研究范式难以拜托耗时耗力的局限性。近年来，伴随着人工智能和材料信息学的发展，机器学习在挖掘材料结构/组分-性能方面展现出强大的潜力。同时，符号回归、确定独立性筛选和稀疏化算子（SISSO）等兼具性能和可解释性的机器学习方法也应运而生，为非计算机领域的研究人员提供了更直观和易于理解的新研究途径。 Fig. 1 Feature-assisted SISSO ML fra ………………………………