中国妇女被黑人xxxxx,高潮迭起AV乳颜射后入,欧美mv

研究人員對發(fā)現(xiàn)高容量電池材料有著濃厚的興趣，這促使學術界對二維早期過渡金屬碳化物（MXenes）的電化學儲能潛力進行研究。其中，預測MXene的組成和電化學性能之間的關系是一個相當重要的研究熱點。

在此，澳大利亞國立大學Amanda S. Barnard等人報道了一種多目標逆向設計工作流程并將其應用于通過電子結構模擬生成的二維過渡金屬碳化物數(shù)據(jù)集，以建立一種性能/結構關系且能同時預測給定重量容量、電壓和感應電荷下的最佳MXene。其中，作者使用相同的機器學習方法（隨機森林RF），但根據(jù)具體的特征類型（化合物），在正向預測中使用RF回歸器，在逆向預測中使用RF分類器，而不是將正向和逆向設計都視為多目標回歸任務。研究表明，正向預測表現(xiàn)出了低平均絕對誤差（MAE）和均方誤差（MSE），同時揭示了對重量容量、電壓和感應電荷有貢獻的重要化學元素的概況：就插層MXene的類別重要性而言，插層離子的影響最大，其次是過渡金屬、官能團和層狀碳化物或氮化物，預計Li⁺或Mg²⁺插層比Na⁺或K⁺提供更大的重量容量。

圖1. 逆向設計工作流程

上述特征選擇是逆向設計的先決條件，然后逆向設計使用重新優(yōu)化的多目標模型來預測基于屬性標簽集（元特征）的減少的結構特征集（元標簽）。在逆向模型的情況下，漢明損失、Jaccard分數(shù)和混淆矩陣提供了具有高F1分數(shù)的出色結果，其中單M分類被認為是最不可靠的。這意味著在對MXenes進行分類以預測最佳M時，某些元素之間沒有明顯的區(qū)別。基于理想的重量容量、電壓和感應電荷范圍，作者確定Li₂M₂C和Mg₂M₂C（M=Sc, Ti, Cr）可作為更集中研究的候選者。

總之，這項研究表明使用分類描述符訓練的逆向模型可準確對多類材料進行分類，這顯著擴展了逆向設計的范圍并證明了特定化學式的可能輸出。由于數(shù)據(jù)集由單層MXene組成，因此二進制多輸出分類只會導致電池發(fā)現(xiàn)的總體趨勢，但如果生成了相關的數(shù)據(jù)集，該工作流程也可以識別多層結構。

圖2. 單目標和多目標逆分類器的學習曲線

Inverse Design of MXenes for High-Capacity Energy Storage Materials Using Multi-Target Machine Learning, Chemistry of Materials 2022. DOI: 10.1021/acs.chemmater.2c00200

原創(chuàng)文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/07/db0bba4209/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

CM：多目標機器學習實現(xiàn)大容量儲能材料MXenes逆向設計

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

CM：多目標機器學習實現(xiàn)大容量儲能材料MXenes逆向設計

相關推薦