节点文献
支持向量回归用于Pbnm型钙钛矿材料反铁磁相转变温度的研究
Predicting Neel Temperature of Pbnm Perovskite ABO3 based on Support Vector Regression
【Author】 Xiaobo Ji;Liang Liu;Kuan Li;Wencong Lu;Department of Chemistry,College of Sciences,Shanghai University;
【机构】 上海大学理学院化学系；
【摘要】 具有钙钛矿结构（ABO3）的过渡金属氧化物因被发现具有磁电耦合效应而成为多铁材料的研究热点[1]。提高单相多铁材料的相转变温度,尤其是转变温度偏低的反铁磁相转变温度TN是该材料得以广泛应用的关键之所在。本文采用支持向量回归算法[2],构建了钙钛矿材料反铁磁相转变温度（尼尔温度,TN）与原子参数间的定量构效关系模型（QSPR）,用以筛选具有较高相转变温度的材料。外部测试集的预报结果表明该定量模型性能稳定且具有较强的泛化推广能力,平均相对误差为1.37%。参数筛选的结果显示:A位离子的尺寸和B位离子的电负性是影响材料相转变温度的两个重要因素。因此,实验上可利用掺杂的方式,结合QSPR模型调整这两个重要因素,从而达到改善材料相转变温度的目的。
【Abstract】 The support vector machine algorithm combined with atomic parameter was successfully employed to build QSPR model on magnetic ordering temperature TN of the ABO3 perovsktie with orthorhombic structure.The performance of model is excellent with the mean relative error（MRE） on an independent test dataset was 1.37%only.Analysis of the descriptors reveals that the ionic radius of rare-earth element（rA） and the electronegativity of transition-metal element B（ZB） are necessary to describe this magnetic property in the QSPR model.Due to the two parameters’ controllability in experiments,the improvement of magnetic ordering temperature TN could be achieved through carefully adjusting the doping level based on the obtained QSPR model.
【Key words】 Pbnm perovskite ABO3； Neel Temperature； support vector regression； atomic parameter；
- 【会议录名称】 中国化学会第30届学术年会摘要集-第二十五分会：化学信息学与化学计量学
- 【会议名称】中国化学会第30届学术年会-第二十五分会：化学信息学与化学计量学
- 【会议时间】2016-07-01
- 【会议地点】中国辽宁大连
- 【分类号】TB303
- 【主办单位】中国化学会