摘要
理解碳纳米管的应变依赖电子响应对于以机械变形作为功能调谐机制的纳米电子应用具有重要意义。本研究开发了一种物理信息机器学习框架，用于建模锯齿形单壁碳纳米管（SWCNTs）双轴应变引起的带隙变化。该框架利用密度泛函理论/Perdew–Burke–Ernzerhof（DFT/PBE）数据集，该数据集基于已发表的带隙曲线重建而成，包含144条记录，涵盖16个锯齿形SWCNT手性族，从(8,0)到(23,0)，应变水平在?10%至+10%之间分为九个名义双轴应变等级。绝对带隙被重新表述为基线相对目标（ΔEg），表示相对于特定手性无应变状态的应变诱导变化；该表述假设在预测之前，每种手性对应的无应变带隙均可获得。物理信息描述符包括由手性推导出的直径、手性族、名义应变、应变平方以及族–应变交互项。使用重复打乱的五折交叉验证对预定义的线性和非线性回归模型进行评估，同时采用留一法手性留空（LOCO）验证来评估对未见手性族的迁移能力。此外，还进行了敏感性分析，以评估基线不确定性和数字化置信度。在所表征的手性–应变域内，最佳非线性配置——使用直径、应变平方和族–应变描述符的支持向量回归——对ΔEg的平均交叉验证决定系数（R2）达到0.880，而对绝对Eg则为0.786。使用族–应变描述符的岭回归对ΔEg的平均R2为0.527，表明基线相对目标也包含可解释的线性响应分量。目标重新表述的优势在解释方差和折次稳定性方面最为明显，而在绝对误差指标上的差异则相对较小。最佳ΔEg模型的平均LOCO R2为0.636，但较大的折次变异表明迁移能力仍强烈依赖于被留空的手性族。结果表明，在手性特异性Eg0扰动高达±0.020 eV的条件下，以及排除三条低置信度数字化记录后，结果保持稳定。总体而言，基线相对目标表述和手性感知的描述符设计在有限数据条件下改善了应变诱导电子响应的建模。然而，结果仍应被理解为在锯齿形SWCNT域内的一种概念验证，而非跨完整碳纳米管设计空间的通用预测器。
