[论文解读] Machine Learning Models for the Lattice Thermal Conductivity Prediction of Inorganic Materials

Lihua Chen, Tran Doan Huan+3 more|arXiv (Cornell University)|Jun 14, 2019

Advanced Thermoelectric Materials and Devices参考文献 48被引用 5

一句话总结

本研究开发了一种高斯过程回归（GPR）机器学习模型，利用100种无机材料的实验测得的$κ_{\rm L}$值，预测其晶格热导率（$κ_{\rm L}$）。通过结合Matminer提取的化学与结构特征，并采用递归特征消除方法，模型实现了高精度与良好泛化能力，其不确定性估计支持主动学习与外推检测。

ABSTRACT

The lattice thermal conductivity ($κ_{ m L} $) is a critical property of thermoelectrics, thermal barrier coating materials and semiconductors. While accurate empirical measurements of $κ_{ m L} $ are extremely challenging, it is usually approximated through computational approaches, such as semi-empirical models, Green-Kubo formalism coupled with molecular dynamics simulations, and first-principles based methods. However, these theoretical methods are not only limited in terms of their accuracy, but sometimes become computationally intractable owing to their cost. Thus, in this work, we build a machine learning (ML)-based model to accurately and instantly predict $κ_{ m L}$ of inorganic materials, using a benchmark data set of experimentally measured $κ_{ m L} $ of about 100 inorganic solids. We use advanced and universal feature engineering techniques along with the Gaussian process regression algorithm, and compare the performance of our ML model with past theoretical works. The trained ML model is not only helpful for rational design and screening of novel materials, but we also identify key features governing the thermal transport behavior in non-metals.

研究动机与目标

• 开发一种快速、准确且可泛化的机器学习模型，用于预测无机材料的晶格热导率（$κ_{\rm L}$）。
• 克服传统基于物理的方法（如Green-Kubo、BTE）计算成本高且对输入参数不确定性敏感的局限性。
• 解决现有机器学习模型依赖第一性原理或半经验$κ_{\rm L}$数据的问题，转而直接基于实验$κ_{\rm L}$值进行训练。
• 通过可解释的特征选择与模型分析，识别决定$κ_{\rm L}$的关键材料特征。
• 通过提供即时、可靠的$κ_{\rm L}$预测结果及不确定性量化，实现热电材料、热障材料与半导体的理性材料筛选与设计。

提出的方法

• 整理了一个基准数据集，包含100种无机材料的实验测得$κ_{\rm L}$值，覆盖三个数量级的范围。
• 利用Matminer工具包生成63个数值特征，编码材料的元素、结构与键合性质。
• 应用递归特征消除（RFE）方法，识别最具预测力的特征子集，降低维度的同时保持模型性能。
• 在缩减后的特征集上，采用高斯过程回归（GPR）模型并结合5折交叉验证，预测$κ_{\rm L}$。
• 利用GPR的不确定性估计评估模型置信度，并检测外推情况，特别是针对晶系空间群不在训练分布内的材料。
• 在5种未见材料上验证模型，对比预测值与实验$\log(\u03ba_{\rm L})$值。

实验结果

研究问题

• RQ1 基于实验$κ_{\rm L}$数据训练的机器学习模型，能否在预测晶格热导率方面优于或匹配半经验与第一性原理方法的精度？
• RQ2 在无机固体中，哪些材料特征——化学、结构或电子性质——对$κ_{\rm L}$最具预测力？
• RQ3 该模型在泛化至训练分布之外的材料方面表现如何，特别是具有不同晶体结构的材料？
• RQ4 GPR模型输出的不确定性是否能可靠指示新材料是否位于模型的应用域之内或之外？
• RQ5 将空间群编号作为特征包含在内，如何影响模型性能？这揭示了数据分布的哪些局限性？

主要发现

• GPR-RFE模型在5折交叉验证中实现了$1.36 \pm 0.03$的平均绝对分数偏差（AFD），优于半经验的Slack模型与Debye-Callaway模型（AFD分别为1.38与1.46）。
• 模型对5种未见材料的$\log(\u03ba_{\rm L})$预测，测试均方根误差（RMSE）仅为0.12，展现出强大的泛化能力。
• 若从特征集中剔除空间群编号，测试RMSE上升至0.39，表明在当前数据受限的条件下，空间群是区分结构类型的最关键特征。
• GPR不确定性正确识别出Ca$_5$Al$_2$Sb$_6$（空间群55）为外推情形，因其结构与多数训练材料（空间群225与216）存在显著差异。
• 模型识别出空间群编号、平均原子质量与体积累模量为决定$κ_{\rm L}$的最具影响力的特征，尽管空间群本身并无直接物理意义，仅用于结构分类。
• 该模型在无缺陷、岩盐或闪锌矿结构材料上最为准确，但对含缺陷、同素异形体或金属间化合物的材料存在局限，未来可能需扩展数据集以覆盖此类体系。