氢化物超导体临界转变温度的机器学习模型

摘要： 高压下发现的具有高临界转变温度(T_c)的氢化物超导体激起了研究者对常压室温超导材料探索的广泛兴趣。尽管第一性原理方法可以准确预测氢化物超导体的T_c，但电声耦合计算量巨大且十分昂贵，因此迫切需要建立一个既准确又高效的T_c预测模型。本工作利用随机森林算法，根据特征的重要性选择最关键的特征，开发了一个简单且物理可解释的机器学习模型。该模型利用所选择的4个关键特征(即组成元素价电... （共11页）