view in publisher's site

Crystal structure classification in ABO3 perovskites via machine learning

Highlights•Crystal structures of 675 (out of 5329) ABO3 compounds are classified using Light GBM.•Model categorized perovskites into 4 different crystal structures with ~ 80.3% accuracy.•Feature importance graph and SHAP analysis show relative importance of features.•Crystal structure changes can be possible by changing the feature values according to the Shapley values.•Material design is possible with the composition-structure relations proposed here.AbstractCrystal structure classification of perovskites (ABO3) is done using the Light Gradient Boosting Machine (Light GBM) algorithm. In this work, we have identified features such as electronegativity, ionic radius, valence, and bond lengths of A-O and B-O pairs that enable a priori crystal structure prediction. We have taken 5329 ABO3 perovskites and applied the proposed model to 675 compounds. It successfully categorized the compounds into cubic, tetragonal, orthorhombic, and rhombohedral structures with 80.3% best accuracy using 5-fold cross-validation. Therefore, the model can be used as a preliminary, fast, and inexpensive method to classify perovskites into their respective crystal systems. Feature importance graph and SHapley Additive exPlanations (SHAP) are used in feature ranking and crystal structure prediction. These composition-structure predictions will find applications in ceramic engineering and solid-state chemistry.Graphical abstract73 elements are identified in A and B-sites of ABO3 structure, resulting in a total of 5329 (~732) perovskite-type oxides. This dataset and features are given as input parameters for the Light GBM algorithm. The output shows the predicted crystal structure of its respective ABO3 compounds. The prediction is accurate in 80.3% of the cases vis-à-vis experimental and high throughput density functional theory (DFT) calculated crystal structures.Download : Download high-res image (96KB)Download : Download full-size image

طبقه‌بندی ساختار بلوری در پروسکایت ABO۳ از طریق یادگیری ماشین

هایلایت ها * ساختارهای بلوری ۶۷۵ (از ۵۳۲۹)ترکیبات ABO۳ با استفاده از GBM سبک طبقه‌بندی می‌شوند. مدل پروسکایت ها را به ۴ ساختار بلوری مختلف با دقت ۸۰.۳ % طبقه‌بندی کرد. گراف اهمیت مشخصه و آنالیز SHAP اهمیت نسبی ویژگی‌ها را نشان می‌دهند. تغییرات ساختار بلوری می‌تواند با تغییر مقادیر ویژگی مطابق با مقادیر شپلی امکان پذیر باشد. طراحی مواد با روابط ترکیب - ساختار پیشنهاد شده در این مقاله امکان پذیر است. در این کار، ما ویژگی‌هایی مانند الکترونگاتیوی، شعاع یونی، ظرفیت و طول پیوند جفت‌های A - O و B - O را شناسایی کرده‌ایم که پیش‌بینی ساختار بلوری قبلی را ممکن می‌سازند. ما ۵۳۲۹ ABO۳ پروسکیت را برداشتیم و مدل پیشنهادی را روی ۶۷۵ ترکیب اعمال کردیم. این روش با موفقیت ترکیبات را به ساختارهای مکعبی، تتراگونال، اورتورمبیک و رومبوهدرال با بهترین دقت ۸۰.۳ % با استفاده از اعتبار متقاطع ۵ برابر طبقه‌بندی کرد. بنابراین، این مدل می‌تواند به عنوان یک روش اولیه، سریع و ارزان برای طبقه‌بندی پروسکایت ها در سیستم‌های بلوری مربوطه مورد استفاده قرار گیرد. نمودار اهمیت مشخصه و برنامه‌های اضافی SHapley (SHAP)در رتبه‌بندی ویژگی‌ها و پیش‌بینی ساختار بلوری استفاده می‌شوند. این پیش‌بینی‌های ترکیب - ساختار کاربردهایی را در مهندسی سرامیک و شیمی حالت جامد پیدا خواهد کرد. عناصر انتزاعی فرضی در A و B جایگاه‌های ساختار ABO۳ شناسایی می‌شوند، که منجر به مجموع ۵۳۲۹ (~ ۷۳۲)نوع اکسید پروسکایت می‌شوند. این مجموعه داده و ویژگی‌ها به عنوان پارامترهای ورودی برای الگوریتم GBM داده شده‌اند. خروجی ساختار کریستالی پیش‌بینی‌شده ترکیبات ABO۳ مربوطه را نشان می‌دهد. این پیش‌بینی در ۸۰.۳ % موارد در مقایسه با تیوری تابعی چگالی توان عملیاتی بالا (DFT)و تجربی دقیق است. تخلیه: تصویر حافظه بالا (۹۶ کیلوبایت)را دانلود کنید: تصویر تمام اندازه دانلود کنید.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computational Mathematics
  • ترجمه مقاله Computational Mathematics
  • مقاله ریاضیات محاسباتی
  • ترجمه مقاله ریاضیات محاسباتی
  • مقاله General Materials Science
  • ترجمه مقاله General Materials Science
  • مقاله علوم مواد عمومی
  • ترجمه مقاله علوم مواد عمومی
  • مقاله General Chemistry
  • ترجمه مقاله General Chemistry
  • مقاله شیمی عمومی
  • ترجمه مقاله شیمی عمومی
  • مقاله Mechanics of Materials
  • ترجمه مقاله Mechanics of Materials
  • مقاله مکانیک مواد
  • ترجمه مقاله مکانیک مواد
  • مقاله General Computer Science
  • ترجمه مقاله General Computer Science
  • مقاله علوم کامپیوتر عمومی
  • ترجمه مقاله علوم کامپیوتر عمومی
  • مقاله General Physics and Astronomy
  • ترجمه مقاله General Physics and Astronomy
  • مقاله فیزیک و ستاره‌شناسی عمومی
  • ترجمه مقاله فیزیک و ستاره‌شناسی عمومی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.