Loading...
机构名称:
¥ 1.0

半导体材料为量子技术 (QT) 提供了一个引人注目的平台。然而,在众多候选材料中识别出有前途的材料主体是一项重大挑战。因此,我们开发了一个框架,使用材料信息学和机器学习方法自动发现用于 QT 的半导体平台。我们实施了不同的方法来标记数据,以训练监督机器学习 (ML) 算法逻辑回归、决策树、随机森林和梯度提升。我们发现,完全依赖文献研究结果的经验方法会明显区分预测的合适和不合适的候选材料。与文献中将带隙和离子特性作为 QT 兼容性的重要特性的预期相反,ML 方法强调了与对称性和晶体结构相关的特征,包括键长、方向和径向分布,因为这些特征在预测材料是否适合 QT 时很重要。

预测量子技术的固态材料平台

预测量子技术的固态材料平台PDF文件第1页

预测量子技术的固态材料平台PDF文件第2页

预测量子技术的固态材料平台PDF文件第3页

预测量子技术的固态材料平台PDF文件第4页

预测量子技术的固态材料平台PDF文件第5页

相关文件推荐