基于机器学习预测La-Y-Ni基储氢合金的电化学性能

摘要

La-Y-Ni基储氢合金以其高储氢容量和化学稳定性而闻名，具有显著的发展潜力。然而，其开发在很大程度上依赖于广泛且昂贵的实验工作。本研究利用随机森林（RF）、极端梯度提升（XGB）和岭回归（Ridge）算法建立回归模型，以预测三个关键性能——电化学容量（0.2C）、循环稳定性（80%Age）和高倍率放电性能（1C）。RF算法表现优于其他算法，其测试集的R²值对所有性能均超过0.8。通过SHapley可加性解释（SHAP）对模型进行解释，本研究对最优模型进行了定量分析。在A侧和B侧元素总质量比固定为100的约束下，本研究分析了B侧用于替代Ni的Mn + Al的最佳区间，以及A侧用于替代La的Y和Y + Ce的最佳区间。