• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Acta Crystallographica, Section B. Structural science, crystal engineering and materials >Classification of ABO_3 perovskite solids: a machine learning study
【24h】

Classification of ABO_3 perovskite solids: a machine learning study

机译：ABO_3钙钛矿固体的分类：机器学习研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We explored the use of machine learning methods for classifying whether a particular ABO_3 chemistry forms a perovskite or non-perovskite structured solid. Starting with three sets of feature pairs (the tolerance and octahedral factors, the A and B ionic radii relative to the radius of O, and the bond valence distances between the A and B ions from the O atoms), we used machine learning to create a hyper-dimensional partial dependency structure plot using all three feature pairs or any two of them. Doing so increased the accuracy of our predictions by 2–3 percentage points over using any one pair. We also included the Mendeleev numbers of the A and B atoms to this set of feature pairs. Doing this and using the capabilities of our machine learning algorithm, the gradient tree boosting classifier, enabled us to generate a new type of structure plot that has the simplicity of one based on using just the Mendeleev numbers, but with the added advantages of having a higher accuracy and providing a measure of likelihood of the predicted structure.
机译：我们探索了使用机器学习方法对特定的ABO_3化学物质形成钙钛矿还是非钙钛矿结构的固体进行分类。从三组特征对（公差和八面体因子，相对于O半径的A和B离子半径，以及A和B离子与O原子之间的键价距离）开始，我们使用机器学习来创建使用所有三个特征对或其中任意两个特征对的超维部分依赖结构图。与使用任何一对相比，这样做可以将我们的预测准确性提高2-3个百分点。我们还将A和B原子的门捷列夫数包括在这组特征对中。这样做并利用我们的机器学习算法（梯度树增强分类器）的功能，使我们能够生成一种新型的结构图，该结构图仅基于Mendeleev数即可简化结构图，但具有一个附加的优势更高的精度并提供预测结构可能性的度量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号