【技術實現步驟摘要】
本專利技術屬于人工智能應用、新型半導體光電材料開發，涉及一種a3bx6型鹵化物鈣鈦礦材料的篩選方法。
技術介紹
1、鹵化物鈣鈦礦材料因其卓越的光電特性而成為下一代光電器件潛在的候選材料。與傳統半導體材料相比，鹵化物鈣鈦礦展現出一系列獨特的光電特性和優異的性能。這些特性包括能帶結構可調、光吸收能力強、載流子傳輸距離長以及載流子遷移速率大等優勢。這使得鹵化物鈣鈦礦在太陽能電池、光電探測器、發光二極管以及光催化等領域有著廣泛應用。其中，具有高效光致發特性的零維金屬鹵化物，其獨特的晶體結構和理化性質在光電子學領域有著廣闊的應用前景。但是a3bx6型鹵化物鈣鈦礦材料元素組合繁多，單靠傳統實驗法去搜尋適用的鹵化物光鈣鈦礦會耗費大量的人力物力，如何高效的搜尋新型鹵化物鈣鈦礦光電材料成為當前研究的難點與熱點。
技術實現思路
1、有鑒于此，本專利技術的目的在于提供一種a3bx6型鹵化物鈣鈦礦材料的篩選方法。
2、為達到上述目的，本專利技術提供如下技術方案：
3、一種a3bx6型鹵化物鈣鈦礦材料的篩選方法，包括以下步驟：
4、s1：在the?open?quantum?materials?database(oqmd)數據庫中篩選得到a3bx6型鹵化物鈣鈦礦的形成能和帶隙數據，再通過pymatgen庫提取相關原子元素參數作為原始數據集；
5、s2：對原始數據集進行預處理，劃分為形成能回歸訓練集和形成能回歸測試集；
6、s3：將所述形成能回歸訓練集
7、s4：利用形成能回歸訓練集對所述最優形成能預測算法進行訓練，利用樸素貝葉斯算法對模型進行優化調參，得到最優的形成能回歸預測模型；
8、s5：利用形成能回歸測試集對所述最優的形成能回歸預測模型進行測試，預測形成能回歸測試集的形成能；
9、s6：利用回歸評價指標對預測的回歸測試集的形成能與實際樣本值之間的差異進行量化評價，得到形成能回歸評價結果；
10、s7：將虛擬樣本輸入到形成能回歸預測模型中，預測虛擬樣本的形成能；
11、s8：將步驟s2中預處理后的數據集劃分為帶隙回歸訓練集和帶隙回歸測試集；
12、s9：將步驟s3～s7中的形成能回歸訓練集和形成能回歸測試集替換為所述帶隙回歸訓練集和帶隙回歸測試集，重復步驟s3-s7，得到最優的帶隙回歸預測模型、帶隙回歸評價結果以及預測得到的虛擬樣本的帶隙；
13、s10：根據預測得到的虛擬樣本的形成能和帶隙，篩選出符合范圍的虛擬樣本候選集，挑選帶隙在2-4ev的虛擬樣本進行dft計算，驗證預測模型的準確性；
14、s11：從虛擬樣本候選集中篩選出新型a3bx6型鹵化物鈣鈦礦高性能發光材料。
15、進一步，步驟s2所述對原始數據集進行預處理包括對存在異常數值的樣本數據進行重新提取或刪除，對缺失數據進行補充或刪除；利用末尾剔除法和互相關法對特征空間進行篩選，剔除冗余特征。
16、進一步，步驟s6中所述評價指標包括均方根誤差root?mean?square?error(rmse)和決定系數coefficient?of?determination(r2)；
17、均方根誤差的定義如下：
18、
19、決定系數的定義如下：
20、
21、其中yi為真實值，為預測值，表示真實值的平均值，當真實值與預測值之間的誤差越大時，rmse值越大，反之其值越小，表示模型的預測效果越好；r2的值越大表示模型效果越好。
22、本專利技術的有益效果在于：本專利技術提供一種基于機器學習的a3bx6型鹵化物鈣鈦礦材料光電器件材料的高效篩選方法，是針對傳統實驗方法和復雜第一性原理計算才能得到材料帶隙和形成的一種有效解決方案，節省實驗資源和時間，更快速高效的篩選所需材料。基于機器學習建立的鹵化物鈣鈦礦的形成能回歸預測模型和帶隙回歸預測模型，以原子相關參數作為特征，建立其與帶隙和形成能之間的非線性映射，不僅能夠預測材料帶隙和形成能，還能夠有效發現材料帶隙、形成能與組成原子參數的關系，為高效發現a3bx6型鹵化物鈣鈦礦光電材料提供思路，提高實驗效率。
23、本專利技術的其他優點、目標和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領域技術人員而言將是顯而易見的，或者可以從本專利技術的實踐中得到教導。本專利技術的目標和其他優點可以通過下面的說明書來實現和獲得。
本文檔來自技高網...【技術保護點】
1.一種A3BX6型鹵化物鈣鈦礦材料的篩選方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的A3BX6型鹵化物鈣鈦礦材料的篩選方法，其特征在于：步驟S2所述對原始數據集進行預處理包括對存在異常數值的樣本數據進行重新提取或刪除，對缺失數據進行補充或刪除；利用末尾剔除法和互相關法對特征空間進行篩選，剔除冗余特征。
3.根據權利要求1所述的A3BX6型鹵化物鈣鈦礦材料的篩選方法，其特征在于：步驟S6中所述評價指標包括均方根誤差Root?Mean?Square?Error(RMSE)和決定系數Coefficientof?Determination(R2)；
【技術特征摘要】
1.一種a3bx6型鹵化物鈣鈦礦材料的篩選方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的a3bx6型鹵化物鈣鈦礦材料的篩選方法，其特征在于：步驟s2所述對原始數據集進行預處理包括對存在異常數值的樣本數據進行重新提取或刪除，對缺失數據進行補充或刪除；利用末尾剔除法和互相關...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。