基于机器学习的BiFeO3-PbTiO3-BaTiO3固溶体居里温度预测

钙钛矿(ABO₃)型压电陶瓷的发展已有几十年历史, 现存有大量数据, 从这些数据中寻找出材料结构与性能之间的关系很有意义。本工作收集了BiFeO₃-PbTiO₃-BaTiO₃钙钛矿型压电陶瓷居里温度(T_c)实验数据, 通过机器学习,构建钙钛矿型压电陶瓷T_c的预测模型。热力学角度, T_c与约合质量符合二次多项式关系, 但偏差较大。选择元素信息、物理量、空间群编号等基础描述符, 利用基于压缩感知原理的SISSO(Sure Independence Screening and Sparsifying Operator)方法进行机器学习, 找出了T_c与成分之间的相关性。比较不同描述符在不同维度上的均方根误差RMSE (Root Mean Square Error), 发现描述符越多、越基础, 维数越大、RMSE越小。同时比较相同个数描述符在同一维度下的RMSE, 用约合质量、A位和B位的离子半径比、A位和B位的未填充电子数比和Ba、Pb、Bi的元素含量等六个描述符构建出最优的四维模型, 其RMSE为0.59 ℃, 最大绝对误差(MaxAE)为1.38 ℃, 外部测试的平均相对误差MRE (Mean Relative Error)为1.00%。结果表明,利用SISSO可以进行有限样本钙钛矿型压电陶瓷T_c的机器学习预测。     

稀土六硼化物的研究进展

作为著名的阴极材料,稀土六硼化物(RB6)在实验和理论上已经被研究了几十年。在RB6中,金属原子被嵌入通过B-B共价键相互连接的硼笼网络。这种独特的笼状结构、稀土元素特殊的4f轨道和硼元素的缺电子特性,使该材料表现出很多优异的性质:功函数低、电导率高、发射电流密度大、硬度大、杨氏模量高、熔点高、化学稳定性高、抗热辐射性强等。RB6材料用途广泛,已成功应用于雷达、航空航天、消费电子、仪表器械、核电等多个领域。从若干RB6的结构和性质出发,综述了其实验制备方法和密度泛函理论(DFT)研究的进展,总结了其在多个领域的应用进展,最后给出研究展望。