• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Статья

Прогнозирование халькошпинелей состава ABCX4 (X – S или Se)

Дударев В. А., Киселева Н., Рязанов В., Сенько О., Докукин А.

Проведено прогнозирование новых халькошпинелей наиболее распространенных
составов: AIBIIICIVX4 (X — S или Se) и AIIBIIICIIIS4 (A, B и C — разные химические
элементы), перспективных для поиска новых материалов для магнитооптических
элементов памяти, сенсоров и анодов в натрий-ионных батареях, и оценены значения
параметра их кристаллической решетки “a”. При прогнозировании использовали только
значения свойств химических элементов, входящих в состав еще не полученных
соединений. Расчеты проведены с применением программ машинного обучения,
входящих в состав разработанной авторами информационно-аналитической системы
(различных комитетов алгоритмов бинарных решающих деревьев, линейной машины,
формирования логических закономерностей, опорных векторов, линейного дискриминанта
Фишера, k-ближайших соседей, обучения многослойного перцептрона и нейронной
сети), — для прогнозирования еще не полученных халькошпинелей, а также обширного
семейства регрессионных методов, представленных в пакете scikit-learn для языка
Python, и предложенных авторами многоуровневых методов машинного обучения — для
оценки значения параметра кристаллической решетки новых халькошпинелей. Точность
прогнозов новых халькошпинелей по результатам скользящего контроля не ниже 80 %,
а точность прогнозов параметра их кристаллической решетки (по результатам расчета
средней абсолютной ошибки при скользящем контроле в режиме leave-one-out) — ± 0,1 Å.
Показана эффективность использования многоуровневых методов машинного обучения
для прогнозирования физических свойств веществ.