一种基于机器学习的理想带隙钙钛矿材料筛选方法

摘要

本发明涉及一种基于机器学习的理想带隙钙钛矿材料筛选方法，包括采集有机无机杂化钙钛矿材料实验带隙数据，利用钙钛矿本征特征构建特征池，计算特征间皮尔逊相关系数剔除相关性强的冗余特征，再利用梯度提升回归树算法对剩余特征进行重要性排序，按排序顺序进行迭代学习以筛选模型精度最高时的最优子特征组合，通过最优子特征构建基于梯度提升回归算法和符号回归算法的机器学习带隙预测模型。本发明利用元素本征特征作为组分与带隙间的中间输入，与直接用组分作为输入的方法相比，降低了特征维度与模型复杂度，提出的子特征筛选方法与符号回归算法的结合，将模型维度降低到一维，在保证精度的前提下模型简单且使用方便，利于大规模预测筛选。