인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Machine learning was generated for developing highly stable cathode materials with the Ca-Ion Battery NASICON structure. The database is divided into a training set of 146,309 materials and a test set of 630 materials with newly designed NASICON structures. Employing 149 descriptors, including 147 chemical features and 2 structural features derived from the composition of each material. Random forest (RF) regressor, employed for Eform prediction, demonstrated impressive results with an R-squared of 0.916, MAE of 0.142, and RMSE of 0.351 eV/atom. Similarly, the RF classifier used for Ehull prediction exhibited an Accuracy of 0.818, AUC of 0.889, and Precision of 0.826. The optimal model was subsequently applied to predict stable materials among the 630 materials, based on the criteria of (1) Eform ＜ 0 eV/atom and (2) Ehull ＜ 0.05 eV/atom. As a result, 125 materials were identified as possessing both structural and thermodynamic stability in charge and discharge states.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
