受强化学习启发的主动学习加速MXene半导体的高通量发现与带隙优化

《Physical Chemistry Chemical Physics》:Efficient Discovery and Property Optimization of Quantum Materials via Reinforcement-Inspired Active Learning: A case study of MXene SemiconductorsOpen Access

【字体: 大 中 小 】 时间:2026年09月18日 来源:Physical Chemistry Chemical Physics 2.9

编辑推荐:

   打开图像查看器 功能性 MXenes 的高通量发现需要在巨大的成分空间内识别有前途候选物的有效策略。在本

  

功能性 MXenes 的高通量发现需要在巨大的成分空间内识别有前途候选物的有效策略。在本工作中,我们开发了一种受强化学习启发的主动学习框架,以加速寻找具有理想电子性质的 MXenes。利用包含 946 种半导体成分的 4448 种 MXenes 精选数据集,我们演示了两项互补任务:(i) 在目标带隙窗口 (1.65-3.35 eV) 内识别半导体,以及 (ii) 在半导体子集内最大化带隙。这些任务反映了高通量材料发现的两个核心目标。任务 (i) 对应于针对器件兼容带隙的实际筛选(例如,光伏和光电子学),而任务 (ii) 体现了优化驱动的发现,其目标是在大型库中使用尽可能少的昂贵评估来识别性能最佳的半导体。对于第一个任务,我们仅以 1% 的数据作为标记输入进行初始化,并应用了一系列探索 - 利用策略,包括 ε-贪婪、不确定性采样、熵、置信上界 (UCB)、汤普森采样和多样性增强策略。值得注意的是,在仅 500 次查询的预算下,该框架检索到了 150 种可能目标 MXenes 中的 130 种,显著优于随机选择。对于第二个任务,我们限制为 946 种半导体并采用 * 通讯作者。

本文根据 知识共享署名 4.0 未移植许可协议 发布。您可以在其他出版物中使用本文材料,无需向 RSC 请求进一步许可,前提是给出正确的致谢。
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