面向复合材料带隙预测的两段式集成学习模型构建

徐燕1，胡红青2, 刘茜2，张玉凤1，丁广太2,张惠然2 (1.上海电力大学数理学院；2.上海大学计算机工程与科学学院； 3.上海大学材料基因组工程研究院材料信息与数据科学中心；4.之江实验室)

摘要: 带隙是钙钛矿型复合氧化物材料重要的特征参数，对材料的物理化学性质起决定性作用，如导电性能和光电性能等。为了寻找适合不同应用领域的钙钛矿型材料，利用机器学习进行带隙预测是一种重要的研究手段。构建了一个两阶段异质集成学习模型，在第一阶段使用多种不同的基础机器学习器(回归模型)进行预测；在第二阶段把对预测结果影响较大的描述子和基础机器学习器进行集成学习。利用该模型对210种钙钛矿型复合氧化物材料的带隙进行预测，并与多种独立的机器学习算法以及不同集成策略模型的预测性能相对比，评估了本模型的预测性能。结果表明，这种两段式的集成学习模型能够更好地学习到材料数据的内在关系，并具有较好的预测效果和较强的泛化能力。

关键词:集成学习模型；组合策略；带隙预测；钙钛矿型复合氧化物材料；泛化能力