全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4注册上海硅酸盐所采用机器学习提出介电常数预测模型
作者:管理员    发布于:2021-05-14 12:19    文字:【】【】【

  微波介质陶瓷作为微波集成电路基板、介质谐振器、介质天线等通信电子元器件的关键材料,近年来随着5G/6G技术的蓬勃发展,受到越来越广泛的关注。材料信息学借助机器学习等方法对数据进行建模分析,挖掘物理量之间的隐含关联,构建定量“构效关系”,从而加速新材料研发,目前已在一些材料研究领域得到运用并证实了其可靠性。然而,学界针对微波介质陶瓷材料的性能预测与理性设计的机器学习模型研究的报道较少。

  近期,中国科学院上海硅酸盐研究所无源集成器件与材料研究团队采用机器学习方法,研究微波介质陶瓷的材料特征与介电性能之间的关系,提出了一种普适性强、准确性高的介电常数预测模型,并以此为依据预测了新的低介电常数微波介质材料。最优预测模型经过数据清洗、两步降维、赢咖4注册模型超参数优化、特征量组合寻优和多算法对比等步骤获得。

  研究表明,赢咖4注册除了降低单位体积离子极化率(ppv)之外,降低平均键长(blm)和提高每个原子所占的晶胞体积(va)都可有效降低材料介电常数。利用机器学习模型,从3,300余种未报道介电常数的无机材料中筛选出潜在的低介电常数材料,并从中选取了若干种进行制备和测试,验证了预测结果的可靠性。相关相关成果以Machine learning approaches for permittivity prediction and rational design of microwave dielectric ceramics为题,发表在Journal of Materiomics上。

  此外,研究人员还通过实验研究和机器学习相结合的方法,发现了材料局域结构与品质因数(Q×f)之间的定量关系。

  实验发现,硅铁钡矿型系列低介陶瓷ACuSi4O10(A = Ca, Sr, Ba)中A位取代会引起[AO8]十二面体单元发生显著的收缩和畸变,且伴随Q×f值单调下降。基于实验数据,采用键长、键价和等多个基本属性描述[AO8]局域结构的变化,通过支持向量机方法构建Q×f值定量预测模型。模型发现,A-O2键长与A-O键长方差是Q×f值预测的决定性特征量。研究人员利用该定量构效关系对相同结构材料进行Q×f值预测,并得到实验验证。

  (a)介电常数机器学习预测模型的表现,(b)预测介电常数在特征量空间中的分布

相关推荐
  • 赢咖4庄晓东专访:打破传统应用机器学习算法预测长期心血管疾病的发生|ACC 2019
  • 赢咖4注册上海硅酸盐所采用机器学习提出介电常数预测模型
  • 赢咖4娱乐Cape Privacy——基于加密机器学习的多方数据协作与隐私保护方案
  • 赢咖4Amazon SageMaker机器学习服务落地中国一周年
  • 赢咖4机器学习概念股2021年名单一览
  • 赢咖4注册拒当仿冒品天堂!亚马逊用 Ai 机器学习技术拦下逾百亿假货
  • 赢咖4娱乐Angew: 通过结构预测和机器学习指导发现低热导率氧化物
  • 赢咖4Boolan主办2021全球机器学习技术大会在北京举办
  • 赢咖4机器学习漫谈:还有很长的路要走
  • 赢咖4苏晓泉教授团队在微生物组机器学习领域发表综述论文
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下