第51卷第2期2023年2月硅酸盐学报Vol.51，No.2February，2023JOURNALOFTHECHINESECERAMICSOCIETYhttp://www.gxyb.cbpt.cnki.netDOI：10.14062/j.issn.0454-5648.20220945基于Voronoi图结构描述的有机无机杂化钙钛矿带隙机器学习王径舟，欧阳润海(上海大学材料基因组工程研究院，上海200444)摘要：有机‒无机杂化钙钛矿因其优异的物理化学性质在太阳能电池及其他光电器件中有重要应用。其中，带隙是材料设计中必须考虑的一个关键物理量。利用机器学习建立准确的带隙模型可以帮助快速预测新材料。本工作通过研究基于Voronoi图方法的结构特征对机器学习的重要性发现，相比于只有元素特征的机器学习，通过加入Voronoi图结构描述特征，符号回归(VS-SISSO)、人工神经网络(ANN)和随机森林(RF)建立的带隙模型精度均有提升。由于符号回归模型相对简单，Voronoi图结构特征的重要性在该方法中体现最高。以上3种机器学习方法给出的模型预测能力接近，但符号回归模型具有明确的数学表达式，透明度相对更高。特征重要性分析表明，Voronoi图结构特征在所有输入特征中的重要性最高。本工作展示了Voronoi图结构特征在提升机器学习模型准确度及可解释性方面的重要价值。关键词：有机‒无机杂化钙钛矿；带隙；Voronoi图；机器学习；符号回归中图分类号：TM914.4；TP181文献标志码：A文章编号：0454–5648(2023)02–0397–08网络出版时间：2023‒01‒17MachineLearningfortheBandgapofOrganic‒InorganicHybridPerovskiteswithVoronoiStructureRepresentationWANGJingzhou,OUYANGRunhai(MaterialsGenomeInstitute,ShanghaiUniversity,Shanghai200444,China)Abstract:Organic‒inorganichybridperovskiteshavepromisingapplicationsinsolarcellsandotheroptoelectronicdevicesduetotheirsuperiorphysicalandchemicalproperties.Abandgapisakeyphysicalcharacterizationthatisrelatedtotheefficiencyofsolarenergyconversion.Weperformedmachinelearningforthebandgapofhybridperovskites,andinvestigatedtheinfluenceofstructuralfeaturesbasedontheVoronoimethodonthemodelaccuracy.Theresultsshowthatcomparedtomachinelearningwithonlyelementfeaturesasaninput,theaccuracyoftheband-gapmodelscanbeimprovedwhentheVoronoistructuralfeatureisincludedinallthethreemethodsofsymbolicregression(VS-SISSO),artificialneuralnetwork(ANN)andrandomforest(RF).Inparticu...
