典型文献
基于机器学习的多元化合物带隙预测
文献摘要：
针对使用第一性原理计算获得高精度带隙的方法耗时长、效率低,并且在系统地测量大量材料系统带隙时难度大的弊端,结合机器学习中常用的岭回归、Lasso回归、支持向量回归(SVR)和随机森林算法,提出利用已知物理特征预测多元化合物带隙的机器学习方法.最后通过实验给出了基于成分信息特征集对各种模型的比较结果,分析各方法的性能、优势和不足.通过机器学习方法能够实现精准地预测多元化合物带隙,降低研究成本.
文献关键词：
多元化合物;机器学习;带隙;第一性原理;二维材料
中图分类号：
作者姓名：
董延华;佘安琪;王铭;梁久欣;孙宏宇
作者机构：
吉林师范大学计算机学院,吉林四平136000
文献出处：
引用格式：
[1]董延华;佘安琪;王铭;梁久欣;孙宏宇-.基于机器学习的多元化合物带隙预测)[J].吉林师范大学学报（自然科学版）,2022(02):119-124
A类：
多元化合物,带隙预测
B类：
基于机器学习,第一性原理计算,统带,岭回归,Lasso,支持向量回归,SVR,随机森林算法,物理特征,特征预测,机器学习方法,分信,信息特征,征集,优势和不足,二维材料
AB值：
0.279706
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
