面向TiO2单层掺杂形成能预测的机器学习数据高效方法（Data-Efficient Machine Learning for Predicting Dopant Formation Energies in TiO2Monolayer）

《ACS Materials Au》：Data-Efficient Machine Learning for Predicting Dopant Formation Energies in TiO2 Monolayer

　　

机器学习（Machine Learning, ML）模型在材料科学中的应用日益广泛，但其预测能力常受限于数据稀缺。本研究表明，在训练样本有限的情况下，只要数据集紧凑且基于具有物理意义的特征量，仍可建立高精度的预测模型。研究人员将密度泛函理论（Density Functional Theory, DFT）计算与机器学习框架相结合，构建了基于描述符（descriptor）的精确模型，用于预测掺杂物取代的纤铁矿相TiO2单层（lepidocrocite TiO2monolayer）中掺杂物的形成能（formation energy）。首先以单掺杂Pt构型评估了机器学习模型的预测精度，证明所选结构及电子描述符能可靠捕捉主导掺杂稳定性的关键因素。随后通过将数据集扩展至含Ag掺杂构型，检验了模型的化学可迁移性（chemical transferability）。随着训练集中Ag掺杂数据点的逐步加入，预测精度呈系统性提升，而Pt掺杂的预测性能保持稳健。结果表明，小而精心策划的数据集结合物理启发描述符，不仅能实现高精度预测，还可支持掺杂TiO2单层中具有化学可迁移性的机器学习驱动筛选。

论文解读：面向TiO₂单层掺杂形成能预测的机器学习数据高效方法

该研究发表于《ACS Materials Au》。

一、研究背景与意义

二维（Two-Dimensional, 2D）材料因量子限域效应展现出区别于块体材料的物理化学性质，在催化、储能等领域具应用潜力。钛 dioxide（TiO₂）是光催化基准材料，其纤铁矿相（lepidocrocite phase）2D TiO₂单层可通过表面氧位点取代掺杂贵金属材料（如Pt、Ag）调控电子结构与反应性，但掺杂亦影响材料稳定性。掺杂稳定性常用形成能（Formation Energy, E_formation）表征。密度泛函理论（Density Functional Theory, DFT）虽可提供原子尺度洞察，但受限于高昂计算成本，难以遍历掺杂类型、位置与浓度的巨大构型空间。机器学习（Machine Learning, ML）可加速筛选，然而材料学中高质量大数据常不可得。现有对2D lepidocrocite TiO₂掺杂的ML研究较少。因此，研究人员开展此项研究，旨在验证基于小体量、物理意义明确的描述符数据集，能否通过ML准确预测掺杂TiO₂单层的形成能，并考察模型对不同掺杂元素的化学可迁移性（chemical transferability），为数据稀缺条件下的材料ML建模提供依据。

二、主要关键技术方法

研究人员构建6×5×1超胞的弛豫2D lepidocrocite TiO₂单层模型，在单侧桥氧（twofold-coordinated bridging oxygen, O_b）位进行Pt或Ag取代掺杂，形成能按标准公式计算。DFT计算采用VASP软件包，PAW赝势，PBE泛函做几何优化，GGA+U（U_Ti=4.5 eV, U_Pt=2.5 eV）计算电子性质，Bader电荷分析获取原子电荷。从弛豫构型提取结构（配位数、键角等）与电子（真空能级、Fermi能级、Bader电荷）描述符并转为定长统计特征。通过Pearson相关性分析与SHAP（Shapley Additive exPlanations）值进行特征筛选与去多重共线性。比较九种ML回归算法（线性回归LR、Lasso、Ridge、弹性网络EN、随机森林RF、梯度提升GBR、k近邻kNN、支持向量回归SVR、高斯过程回归GPR），以五折交叉验证（five-fold Cross-Validation, CV）优选超参数，用决定系数（R²）、均方根误差（Root-Mean-Square Error, RMSE）与平均绝对误差（Mean Absolute Error, MAE）评价性能。先以Pt掺杂数据集训练测试，再引入Ag掺杂数据检验跨元素迁移性及增量学习效应。

三、研究结果

Dataset Compilation and Feature Extraction for Pt-Doped Monolayers（Pt掺杂单层的数据集构建与特征提取）

研究人员在O_b位点构建掺杂浓度N=1~30的Pt掺杂构型共57例（44训练/13测试），剔除形成能>6 eV者。DFT计算显示单位Pt原子形成能随掺杂浓度增加呈反比下降趋势。经Pearson相关与SHAP分析剔除强共线特征后，递归特征消除确定最优特征数为4个：掺杂原子4 ?内平均配位数（CN_4?mean）、最近邻Ti原子最小Bader电荷（q_Ti_min）、掺杂面真空能级（E_vacuum_dopant_face）、Ti–dopant–Ti夹角标准差（Ti_dopant_Ti_angle_std）。SHAP分析表明CN_4?mean为主导描述符，高配位利于稳定（形成能降低），在CN_4?_mean≈2附近存在阈值行为；q_Ti_min与形成能正相关。掺杂浓度N被刻意排除于输入特征之外以避免平凡学习。

Machine Learning Predictions for Pt-Doped Monolayers（Pt掺杂单层的机器学习预测）

九种ML模型经五折CV调参后，测试集R²达0.75–0.91，RMSE与MAE低于50 meV/Pt atom。最优模型为SVR（R²=0.91, RMSE=28.1 meV, MAE=16.7 meV）、GPR（R²=0.90, RMSE=29.1 meV, MAE=18.9 meV）和LR（R²=0.84, RMSE=37.7 meV, MAE=28.2 meV）。扩充训练集至71例后各模型R²波动≤0.05，误差基本不变，说明原始44例已具代表性。CV R²随数据扩充向测试R²收敛，存轻微过拟合但绝对误差小（RMSE≤25 meV）。N=1独特构型因化学环境欠代表出现一致偏离，其余边界构型预测良好。

Assessing Predictive Transfer to Ag-Doped Monolayers（评估向Ag掺杂单层的预测迁移能力）

选取14例跨越低中高浓度的Ag掺杂构型作测试集，加入掺杂元素原子序数Z作类别标识。联合Pt+Ag数据集经相关性分析与SHAP筛选获7个最优描述符（含CN_4?mean、dopant–Ti距离极值、Fermi能级E_Fermi、q_Ti_min、q_Ti_max、E_vacuum_dopant_face），特征重要性分布较均匀，CN_4?mean不再独占主导。仅用Pt数据训练的模型完全无法预测Ag形成能。将Ag数据逐步加入训练集后，Ag预测精度系统提升——加入9例Ag数据时Ag测试R²>0.5，RMSE与MAE降至≈100 meV或更低；同时Pt预测性能（R²、RMSE、MAE）与纯Pt训练时相当。GPR因零均值先验在跨化学域外推时表现偏弱，其余模型稳定改善。全局R²易掩盖子集差性能，需按元素分述指标。CV R²略降系Ag数据稀疏导致折间方差大，绝对误差仍合理。

四、讨论与结论翻译

研究人员总结：通过物理启发描述符与精选小数据集，ML模型可高精度预测Pt掺杂TiO₂单层形成能（误差达meV级），且数据集具足够代表性，增样影响微弱。单一掺杂元素训练的模型在掺入目标元素少量数据后可迁移至化学相异掺杂元素而不损原有预测力。单掺杂体系中掺杂原子局域配位数是关键描述符；多掺杂元素时需增补主导特征。研究表明有限而精筛的数据集结合物理相关描述符能捕捉主导物理趋势并实现跨化学域可迁移学习，但更全面均衡的化学空间采样对可靠广义预测仍必要。此框架有望拓展至多种掺杂类型及相关材料体系。