Прогнозирование температуры плавления двойных галогенидов

Киселёва Н. Н.; Дударев В. А.; Столяренко А. В.; Докукин А. А.; Сенько О. В.; Кузнецова Ю. О.

doi:10.31857/S0044457X22602012

Прогнозирование температуры плавления двойных галогенидов

作者: Киселёва Н.¹, Дударев В.¹, Столяренко А.¹, Докукин А.¹^,2, Сенько О.², Кузнецова Ю.¹
隶属关系:
1. Институт металлургии и материаловедения им. А.А. Байкова РАН
2. Федеральный исследовательский центр “Информатика и управление” РАН
期: 卷 68, 编号 5 (2023)
页面: 623-629
栏目: ТЕОРЕТИЧЕСКАЯ НЕОРГАНИЧЕСКАЯ ХИМИЯ
URL: https://journals.rcsi.science/0044-457X/article/view/136358
DOI: https://doi.org/10.31857/S0044457X22602012
EDN: https://elibrary.ru/SNDUYN
ID: 136358

如何引用文章

全文:

开放存取

##reader.subscriptionAccessGranted##
受限制的访问

订阅存取

详细
作者简介
参考
补充文件
统计

详细

Проведено прогнозирование температуры плавления при атмосферном давлении двойных галогенидов состава ABHal₃, ABHal₄, A₂BHal₄, A₂BHal₅ и A₃BHal₆ (A и B – разные элементы, Hal = F, Cl, Br или I). Для расчетов была применена разработанная авторами система, основанная на использовании методов машинного обучения. Поиск компьютерных моделей был проведен на основе анализа информации об уже известных температурах плавления галогенидов. Для прогнозирования неизвестных значений температуры плавления галогенидов использовали только значения свойств элементов A, B и Hal. Было показано, что применение программ, основанных на методологии ансамблей алгоритмов машинного обучения, позволяет получить наиболее точные оценки температур плавления (средние абсолютные ошибки, определенные методом скользящего контроля, в пределах 29–52 K в зависимости от состава галогенидов и выбранного алгоритма). Коэффициент множественной детерминации для моделей, использованных для прогнозирования, не ниже 0.7.

关键词

галогенид, температура плавления, машинное обучение, прогнозирование

参考

Lindemann F.A. // Phys. Z. 1910. Bd. 11. S. 609.
Ross M. // Phys. Rev. 1969. V. 184. № 1. P. 233. https://doi.org/10.1103/PhysRev.184.233
Stacey F.D., Irvine R.D. // Aust. J. Phys. 1977. V. 30. № 6. P. 631. https://doi.org/10.1071/PH770631
Boyer L.L. // Phase Transitions. 1985. V. 5. № 1. P. 1. https://doi.org/10.1080/01411598508219144
Owens F.J. // Phase Transitions. 2018. V. 91. № 5. P. 503. https://doi.org/10.1080/01411594.2018.1432052
Hong Q.-J., van de Walle A. // Phys. Rev. B: Condens. Matter. 2015. V. 92. № 2. P. 020104. https://doi.org/10.1103/PhysRevB.92.020104
Andrievskii R.A., Strel’nikova № S., Poltoratskii N.I. et al. // Soviet Powder Metallurgy and Metal Ceramics. 1967. V. 6. № 1. P. 65. https://doi.org/10.1007/BF00773385
Савицкий Е.М., Грибуля В.Б. // Структура и свойства жаропрочных металлических материалов. М.: Наука, 1973. С. 3.
Pedregosa F., Varoquaux G., Gramfort A. et al. // J. Machine Learning Res. 2011. V. 12 (Oct.). P. 2825.
Сайт проекта R: https://www.r-project.org/ (visited on 10.11.2022)
Dudarev V.A., Kiselyova N.N., Stolyarenko A.V. et al. // CEUR Workshop Proceedings (CEUR-WS.org), v. 2790. Supplementary Proceedings of the XXII International Conference on Data Analytics and Management in Data Intensive Domains (DAMDID/RCDL 2020). P. 89. http://ceur-ws.org/Vol-2790/paper09.pdf
Saad Y., Gao D., Ngo T. et al. // Phys. Rev. B.: Condens. Matter. 2012. V. 85. № 10. P. 104104. https://doi.org/10.1103/PhysRevB.85.104104
Pilania G., Gubernatis J.E., Lookman T. // Phys. Rev. B: Condens. Matter. 2015. V. 91. № 21. P. 214302. https://doi.org/10.1103/PhysRevB.91.214302
Zhang Z., Peng R., Chen N. // Mater. Sci. Eng., B. 1998. V. 54. № 3. P. 149. https://doi.org/10.1016/S0921-5107(98)00157-3
Seko A., Maekawa T., Tsuda K., Tanaka I. // Phys. Rev. B: Condens. Matter. 2014. V. 89. № 5. P. 054303. https://doi.org/10.1103/PhysRevB.89.054303
Chen N., Li C., Yao S., Wang X. // J. Alloys Compd. 1996. V. 234. № 1–2. P. 130. https://doi.org/10.1016/0925-8388(95)01963-4
Yan L.-M., Zhan Q.-B., Qin P., Chen N.-Y. // J. Rare Earths. 1994. V. 12. № 2. P. 102.
Seko A., Hayashi H., Nakayama K. et al. // Phys. Rev. B: Condens. Matter. 2017. V. 99. № 14. P. 144110. https://doi.org/10.1103/PhysRevB.95.144110
Gu T., Lu W., Bao X., Chen N. // Solid State Sci. 2006. V. 8. № 2. P. 129. https://doi.org/10.1016/j.solidstatesciences.2005.10.01
Киселева Н.Н. // Журн. неорган. химии. 2014. Т. 59. № 5. С. 665. https://doi.org/10.7868/S0044457X14050110
Киселева Н.Н., Столяренко А.В., Рязанов В.В. и др. // Журн. неорган. химии. 2014. Т. 59. № 12. С. 1709. https://doi.org/10.7868/S0044457X1412010
БД “Elements”: https://phase.imet-db.ru/elements (visited on 10.11.2022).
БД “Фaзы”: https://phase.imet-db.ru (visited on 10.11.2022).
Сенько О.В., Докукин А.А., Киселева Н.Н., Хомутов Н.Ю. // Доклады Академии наук. 2018. Т. 479. № 1. С. 11. https://doi.org/10.7868/S086956521801-0016
Журавлев Ю.И., Сенько О.В., Докукин А.А. и др. // Доклады Академии наук. 2021. Т. 499. С. 63. https://doi.org/10.31857/S2686954321040172
Ващенко Е.А., Витушко М.А., Дударев В.А. и др. // Информационные процессы. 2019. Т. 19. № 4. С. 415.
Киселева Н.Н., Дударев В.А., Столяренко А.В. и др. // Перспективные материалы. 2021. № 9. С. 1. https://doi.org/10.30791/1028-978X-2021-9-5-23
Kiselyova N.N., Stolyarenko A.V., Ryazanov V.V. et al. // Pattern Recognition and Image Analysis. 2011. V. 21. № 1. P. 88. https://doi.org/10.1134/S1054661811010081
Коршунов Б.Г., Сафонов В.В., Дробот Д.В. Фазовые равновесия в галогенидных системах. Справочник. М.: Металлургия, 1979. 182 с.
Коршунов Б.Г., Сафонов В.В. Галогениды. Диаграммы плавкости. Справочник. М.: Металлургия, 1991. 288 с.
Медведев В.А., Бергман Г.А., Васильев В.П. и др. Термические константы веществ / Под ред. Глушко В.П. Вып. IX (Be, Mg, Ca, Sr, Ba, Ra). М.: Изд-во АН СССР, 1979. 574 с.
Посыпайко В.И., Алексеева Е.А., Васина Н.А. и др. Диаграммы плавкости солевых систем. Справочник. М.: Металлургия, 1977. Ч. I. 416 с. Ч. II. 304 с.
Медведев В.А., Бергман Г.А., Васильев В.П. и др. Термические константы веществ. Вып. X (Li, Na, K, Rb, Cs, Fr). Ч. 2. Таблицы принятых значений: K, Rb, Cs, Fr. М.: Изд-во АН СССР, 1981. Ч. 1. 299 с. Ч. 2. 441 с.