【技术实现步骤摘要】
基于机器学习快速预测ABO3钙钛矿带隙的在线预报方法
本专利技术涉及钙钛矿的电学性能领域，是一种基于机器学习预测ABO3钙钛矿带隙的在线预报应用程序，应用于特定带隙的ABO3钙钛矿新材料设计和高通量筛选。
技术介绍
钙钛矿由于其稳定的晶体结构、独特的理化性质而逐渐成为新材料开发研究的热点。ABO3钙钛矿价格低廉，适应性和稳定性良好，且电子结构可调，是一种有前途的光催化材料。此外，它们还具有扩大光吸收范围，限制光诱导载流子重组和进一步改善可见光照射下光催化性能的潜在优势。在光催化分解水制氢及光催化降解有机污染物方面具有很好的应用前景。带隙(BandGap)是导带的最低点和价带的最高点的能量之差，也称能隙，符号为Eg。在光催化反应中，作为光催化剂的半导体，其带隙是光电转换效率的重要影响因素之一。因此，选择具有合适带隙的半导体是重要步骤。嵌入式特征选择方法是特征筛选的一种较经典方法。它的主要思想是将特征选择过程与学习器训练过程相结合，利用算法本身的特性在学习器训练过程中自动选择特征。嵌入式特征选择方法对特征进行搜索...
【技术保护点】
1.一种基于机器学习快速预测ABO
【技术特征摘要】
1.一种基于机器学习快速预测ABO3钙钛矿带隙的在线预报方法，其特征在于：包括如下步骤：
1)从文献中收集ABO3钙钛矿材料的化学式和对应的带隙数值以及ABO3钙钛矿材料的部分实验条件，作为机器学习的数据集样本；
2)利用已收集到的数据，根据化学式生成对应的原子参数描述符，并在描述符生成过程中，对缺损数值的样本进行删除处理；
3)将在所述步骤1)中得到的数据集样本随机划分为训练集和测试集；
4)以在所述步骤1)中收集到的带隙为目标变量，部分实验条件及在所述步骤2)中生成的原子参数描述符为特征变量；利用嵌入法结合梯度提升回归算法，对在所述步骤3)中得到的训练集进行特征筛选，选出建模的最优特征，作为建模的最优特征子集；
5)利用材料数据挖掘在线计算平台(OCPMDM)上的梯度提升回归算法和在步骤4)中筛选好的特征变量，建立ABO3钙钛矿材料带隙的快速预报模型；
6)根据在所述步骤5)中建立的ABO3钙钛矿材料带隙的预报模型，预报在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。