氫化物超導體臨界轉(zhuǎn)變溫度的機器學習模型

摘要： 高壓下發(fā)現(xiàn)的具有高臨界轉(zhuǎn)變溫度(T_c)的氫化物超導體激起了研究者對常壓室溫超導材料探索的廣泛興趣。盡管第一性原理方法可以準確預測氫化物超導體的T_c，但電聲耦合計算量巨大且十分昂貴，因此迫切需要建立一個既準確又高效的T_c預測模型。本工作利用隨機森林算法，根據(jù)特征的重要性選擇最關(guān)鍵的特征，開發(fā)了一個簡單且物理可解釋的機器學習模型。該模型利用所選擇的4個關(guān)鍵特征(即組成元素價電... （共11頁）