روشهای یادگیری ماشین در مطالعه مواد ابررسانا

نظریه ای جامع که توانایی پیش بینی دمای گذار مربوط به همه مواد ابررسانا را داشته باشد، تا به امروز ارائه نشده است . مشاهده مقدار دمای گذار یک ترکیب ، مستلزم صرف هزینه های سنگینی به منظور ساخت نمونه در آزمایشگاه است . در این پژوهش ، با استفاده از یک مدل مبتنی بر یادگیری ماشین دمای گذار برخی از ترکیبات مواد ابررسانا را پیش بینی کردیم . در اینجا از یک مجموعه داده شامل ۱۳۵۶۲ ترکیب ابررسانا استفاده شد که برای هر ترکیب ۱۳۲ ویژگی محاسبه گردید. مقدار R۲ برابر با ۹۲۴.۰ و همچنین مقدار RMSE برابر با ۳.۷ کلوین بدست آمد.

کلیدواژه ها:

مواد ابررسانا ، یادگیری ماشین ، مدل XGBoost