一种用于高效筛选热力学稳定性高且带隙最优的双钙钛矿的混合机器学习方法

《Materials Science and Engineering: R: Reports》:A hybrid machine learning approach for high throughput screening of thermodynamically stable double perovskites with optimal band gap

【字体: 大 中 小 】 时间:2026年06月24日 来源:Materials Science and Engineering: R: Reports 31.6

编辑推荐:

  齐亚·乌尔·雷赫曼|林志静 中国科学技术大学物理系,安徽合肥230026,中国 摘要 对具有理想带隙的可合成材料进行精确且快速的预测,对于开发下一代光电子应用至关重要。本研究提出了IZ-DPscreen,这是一种基于混合机器学习的高通量虚拟筛选工具,用于识别具有理想带隙的热力学稳

  齐亚·乌尔·雷赫曼|林志静 中国科学技术大学物理系,安徽合肥230026,中国 摘要 对具有理想带隙的可合成材料进行精确且快速的预测,对于开发下一代光电子应用至关重要。本研究提出了IZ-DPscreen,这是一种基于混合机器学习的高通量虚拟筛选工具,用于识别具有理想带隙的热力学稳定双钙钛矿。IZ-DPscreen采用了堆叠回归器这一多层集成架构,能够捕捉关键特征与目标属性之间的复杂非线性关系,这些目标属性包括带隙、形成能以及壳体稳定性类别。为了构建这种混合方法,首先在第0层训练基础模型(梯度提升、XGBoost、随机森林、支持向量机、LightGBM以及人工神经网络),然后在不同的堆叠层上训练元模型,利用基础模型的多样性和差异性来实现更高效且更稳健的性能。在带隙和形成能预测方面,IZ-DPscreen的确定系数分别达到了94.3%和99.2%。此外,它在区分双钙钛矿的稳定性类型——稳定、亚稳或不稳定方面也展现出强大的预测能力,宏观F1分数为0.80。通过将预测结果与理论和实验数据对比,进一步证明了该框架的稳健性,其对称平均绝对百分比误差大多低于10%。此外,为展示IZ-DPscreen的高通量筛选能力,该工具对1000种新的双钙钛矿组合的带隙、形成能及壳体稳定性类别进行了预测,发现了许多在红外、可见光和紫外线范围内具有理想带隙的热力学稳定候选材料。因此,这项工作建立了一种高精度、高通量的筛选工具,为优先开展高效太阳能电池及光电子设备的合成工作提供了有力的指导。

引言 材料科学领域中数据驱动范式的出现,为功能性材料的快速发现和优化带来了前所未有的机遇。通过利用机器学习(ML)和计算建模的力量,研究人员能够以远高于传统试错方法的效率预测材料属性[1]、[2]。诸如第一性原理计算和分子动力学等理论和计算方法,有助于快速评估潜在材料及其属性,从而大幅减少在实验室中对每种可能材料进行合成和实验测试所需的时间和成本。然而,这些方法往往存在计算效率低的问题,可能导致对材料属性的过高或过低估计。尽管更高精度的技术,如混合泛函(例如HSE),能够提高预测精度[3]、[4],但它们庞大的计算需求限制了其在大规模筛选中的应用。相比之下,数据驱动的机器学习技术则提供了一种变革性的解决方案,能够实现材料属性的快速精准预测[5]、[6]、[7]。最近的多尺度研究表明,将基于第一性原理计算的深度神经网络与微观动力学建模相结合,可以有效衔接原子级洞察与系统级性能[8]。采用此类方法对于加速各个领域中潜在功能性材料的发现至关重要[9]、[10]。

在探索用于光电子学和光伏领域的功能性材料时,准确预测带隙以及通过形成能和壳体稳定性类别来判断热力学稳定性显得尤为重要。一方面,带隙显著影响光的吸收以及载流子的传输特性;另一方面,形成能和壳体稳定性类别则对于评估材料的可合成性和稳定性至关重要。尤其是形成能可以指示一种化合物在热力学上是否可行,数值越负意味着其可形成性越高。而基于凸壳上方能量的分类方法,则通过评估某种相抵抗分解为相邻竞争相的能力来直接判断其热力学稳定性。这些参数体现了材料的重要性和用途。近年来,借助大量已知材料的数据集,数据驱动方法被用来构建预测这些属性的模型。马祖姆德等人展示了人工神经网络在预测无机材料带隙方面的有效性。他们利用Matminer提供的包含1056种结构数据的介电常数数据集,取得了0.95的确定系数,预测精度相当高[11]。普里扬加等人则使用随机森林分类器分析了一个包含5329种钙钛矿氧化物(ABO3)的数据集,以区分直接带隙和间接带隙,他们实现了91%的准确率,成功找到了如NaPuO3这样适合用于光伏应用的优质候选材料[12]。亚兹达尼等人比较了多种回归模型,发现基于树结构的集成方法(XGBoost、梯度提升和随机森林)在从介电常数数据预测带隙方面优于线性方法[13]。斯马拉克·拉思等人则利用XGBoost分类器对1528种无机ABX3(X = O、F、Cl、Br、I、S、Se、Te、N或P)钙钛矿进行直接带隙和间接带隙的分类,实现了81%的准确率,并通过SHapley加性解释方法找出了关键特征(不存在过渡金属以及原子序数)[14]。随后,朱等人展示了迁移学习在提升小数据集模型稳健性方面的潜力,这在硫属化物研究中得到了体现[15]。这些研究都凸显了机器学习在预测不同材料类别属性方面的巨大潜力。

双钙钛矿是一类独特的功能性材料,由于其出色的光电子、热电和催化性能,而被广泛认为是多种应用领域的理想选择[16]、[17]、[18]。为了在光伏和光电子领域找到具有理想带隙的可合成双钙钛矿,相关研究仍在不断进行。最近的一些研究表明,各种机器学习算法在筛选庞大的成分空间、识别稳定候选材料以及优化特定应用所需的带隙方面发挥着重要作用。高等人利用极端梯度提升回归模型对5796种无机双钙钛矿进行了筛选,找到了Na2MgMnI6和K2NaInI6这两种具有理想带隙的优质无铅替代材料,其带隙分别为1.46电子伏特和1.89电子伏特[19]。塔拉帕特拉等人则采用分层机器学习方法,结合分类和回归模型来预测双钙钛矿氧化物的带隙,他们的研究共发现了310种在实验上可行、热力学稳定且具有宽带隙的候选材料[20]。郭等人证明,XGBR模型在预测热力学稳定性方面表现优异,R2值为99.35%,而随机森林在预测双钙钛矿卤化物带隙方面表现最佳,R2值为94.1%[21]。兰等人则训练了XGBR模型用于预测双钙钛矿卤化物的带隙,其均方根误差为0.154电子伏特,R2值为95.2%[22]。牛等人则为准粒子双钙钛矿氧化物的带隙开发了一种可解释的描述符,借此高效筛选了4507种钙钛矿,最终找到了94种无铅候选材料[23]。杨等人则采用了两步机器学习策略,即先使用支持向量分类法,再使用支持向量回归法,从而发现了60种具有近乎理想带隙(1.25–1.45电子伏特)的双钙钛矿氧化物,适用于光伏应用[24]。金氏和罗氏则分别训练了用于预测双钙钛矿卤化物形成能的机器学习模型,其R2值分别为97.2%和99.58%[25]、[26]。这些研究都展现了机器学习在加速双钙钛矿发现方面的巨大潜力。然而,由于受限于固定的成分结构或有限的训练数据集,这些研究大多仅针对钙钛矿氧化物或卤化物,而且缺乏对稳定性类别的预测,因此这些模型的通用性较差,也无法全面反映双钙钛矿类别的整体特性。

近年来,针对钙钛矿材料的机器学习研究越来越注重运用集成策略来提升预测性能。尤其是基于堆叠的混合模型,在多种钙钛矿应用领域展现出了巨大的潜力。田等人开发了一种基于堆叠的分类器框架,用于筛选作为固体氧化物燃料电池阴极的钙钛矿材料,他们采用了形成能和带隙作为特征参数。他们的模型表现极为出色,十折交叉验证的准确率为0.960(±0.0009),精确率为0.950(±0.0006),召回率为0.950(±0.0018),F1分数也为0.950(±0.0006),充分证明了堆叠方法在材料分类任务中的强大优势[27]。类似地,阿克巴尔等人也将堆叠分类器应用于研究钙钛矿基太阳能电池中的复合损耗问题,取得了0.94的预测准确率[28]。更近期的研究中,查特吉等人开发了一种用于预测混合有机-无机卤化物钙钛矿带隙的堆叠回归模型,他们借助随机森林元学习器,实现了几乎与实验结果相当的准确度(均方根误差为0.008751,R2值为0.999176)[29]。这些研究都表明,堆叠方法能够整合多个基础学习器的优势,从而提升预测的准确性和稳健性。受这些进展的启发,本研究采用了一种专为双钙钛矿设计的混合堆叠方法,旨在利用集成学习技术更好地预测材料的电子和热力学性质。

本研究提出了一种创新、完整且高精度的混合机器学习驱动的高通量筛选工具——IZ-DPscreen。这是一种功能强大且复杂的工具,可广泛应用于整个双钙钛矿家族,包括卤化物和氧化物。它能够同时预测带隙、形成能以及基于壳体上方能量的壳体稳定性类别(稳定、亚稳或不稳定)。这种全面的跨化学方法的应用,大大提升了机器学习在材料发现领域的通用性和实际应用价值,为高通量筛选具有理想电子性能的稳定双钙钛矿提供了坚实的平台。该工具还能帮助构建包含双钙钛矿及其带隙、形成能和壳体稳定性类别的大规模数据集,为实验合成策略的制定提供直接指导。

机器学习模型 新型双钙钛矿组合的带隙(Eg)、形成能(Ef)或壳体上方能量,可以通过方程式(1)进行预测,该方程式阐明了目标特征与双钙钛矿已知特性或特征之间的关系[30]。F=f(Xn) 在这个公式中,F代表用于预测目标特征的训练好的机器学习模型,无论是带隙Eg、形成能Ef还是壳体能量Ehull,而Xn则表示所有已知特征的总集合。在本研究中,共训练了七种机器学习模型。

机器学习模型的性能指标 在回归分析中,主要目标是预测连续的数值变量。为了评估这些预测的准确性,人们通常会使用多种性能指标。其中,平均绝对误差(MAE)能够直接给出预测值与实际值之间绝对差异的平均值,有助于判断整体的预测误差。平均平方误差(MSE)也能提供类似的评估结果,但它会对这些差异进行平方处理,从而更突出较大的误差。

IZ-DPscreen的开发流程 本研究构建了一个名为IZ-DPscreen的高通量机器学习工具包,它由三种混合模型组成:IZ-DPscreen-A用于预测带隙,IZ-DPscreen-B用于预测形成能,而IZ-DPscreen-C则用于预测任何双钙钛矿组合的壳体稳定性类别。该工具的开发流程如图2所示,其中明确了各个步骤,包括:(i)数据整理,(ii)特征提取与工程化处理,(iii)

材料数据准备 本研究使用了Python库Pymatgen来从Materials Project中提取双钙钛矿材料的相关数据[47]、[48]。通过精心筛选,得到了一个包含2032种双钙钛矿结构的大型数据集,每种结构都有10个原子位点,其带隙均大于0.01电子伏特,同时还包含了它们的形成能数据。这些数据的带隙范围很广,从0.01电子伏特到8电子伏特不等,形成能的范围则在?3.784到?0.795电子伏特/原子之间。

特征提取与工程化处理 通过运用Matminer库中的成分和结构特征提取模块,本研究成功提取出了总共272个独特特征。这些特征包括了从MagpieData中获取的元素特征,以及与成分、化学计量比、离子性质和价轨道相关的特征。在完成特征提取之后,本研究还进行了全面的特征工程处理。首先,去除了那些包含空值或NaN值的特征,从而得到了一组新的特征集合。

机器学习模型的训练与评估 在完成特征选择之后,又训练了一系列多样的机器学习回归和分类模型,其中包括随机森林(RFR/RFC)、梯度提升(GBR/GBC)、极端梯度提升(XGBR/XGBC)、支持向量机(SVR/SVC)、人工神经网络(ANNR/ANNC,即多层感知器)、LightGBM回归模型以及堆叠回归器/分类器。在分类任务中,还额外训练并评估了岭回归分类器。这些回归模型的任务是

通过SHAP分析实现模型可解释性 为分析对最终混合模型性能有显著影响的关键词特征,本研究采用了SHAP(SHapley加性解释)分析方法。该方法有助于明确模型内部的决策过程。通过该分析,可以量化每个输入特征对各个混合模型预测结果的贡献程度。SHAP总结图能够显示出特征重要性的不同模式,从而明确在每个模型中哪些变量对类别分配的影响最为显著。此外,SHAP依赖性分析

IZ-DPscreen与现有模型的比较 如表3所示,本研究将IZ-DPscreen的性能与其他相关研究进行了对比。杨等人利用SVR模型对DPOs的带隙进行了预测,准确率达到了92.3%。尽管这一准确率很高,但仍然比我们针对一般双钙钛矿类别开发的带隙预测模型的性能低2%。金等人则专门使用LightGBM回归器处理DPHs,得到了83.9%的R2值和0.597的RMSE值。而我们的模型则显示出显著的提升。IZ-DPscreen框架的预测能力是通过55种双钙钛矿的多样化基准测试集来严格评估的,这些数据来自实验观测和理论研究。为确保验证的可靠性和有效性,参考数据集被系统地分为三类:(i)实验测得的数值(11种化合物),提供直接的实世界验证;(ii)文献中报告的DFT计算结果(38种化合物)。为了证明IZ-DPscreen框架的实际效果,该模型被用来筛选大量此前未被探索过的双钙钛矿组合,能够高度可靠地预测其带隙、形成能以及结构稳定性。如补充信息表S13中所详述,我们成功预测了1000种新的双钙钛矿组合的属性,这些组合在训练集或测试集中都不存在,其中196种具有热力学稳定性。结论:这项研究最终开发出了一种高精度的机器学习驱动的高通量筛选工具IZ-DPscreen,旨在快速筛选出具有最佳带隙和热力学稳定性的双钙钛矿。为了构建用于预测带隙、形成能及结构稳定性分类的混合机器学习架构,采用了堆叠回归器。在此项目中,共使用了六种基础回归模型和六种CRediT作者贡献声明:Zia Ur Rehman负责概念设计、实现、研究、形式分析以及写作——审阅与编辑;Zijing Lin负责监督、概念设计、资源协调、资金获取、写作——审阅与编辑以及形式分析。代码可用性:IZ-DPscreen软件包已发布在Materials Cloud Archive上,获取地址为:https://doi.org/10.24435/materialscloud:tg-0m。资金声明:本研究得到了中国国家自然科学基金(编号12374017)以及量子科学和技术创新计划——国家科技重大专项(2021ZD0303303)的资助。利益冲突声明:作者们声明存在以下可能被视为潜在利益冲突的财务利益/个人关系:Zijing Lin表示获得了中国国家自然科学基金的财政支持,同时还获得了量子科学和技术创新计划的财政支持。其他作者则声明没有已知的可能构成利益冲突的财务利益或个人关系。致谢:感谢中国科学技术大学超级计算中心的计算资源支持。Zia Ur Rehman是中国科学技术大学物理系的博士研究生,他的工作将第一性原理计算与先进的机器学习技术相结合,用于研究和设计下一代功能材料。他开发了高效的性质预测和材料筛选计算框架,研究兴趣包括材料信息学、电子结构分析以及数据驱动的材料设计等。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号