当前位置:
X-MOL 学术
›
J. Synch. Investig.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
机器学习方法在近似 Pd 纳米粒子表面 CO 分子结合能中的应用
Journal of Surface Investigation: X-ray, Synchrotron and Neutron Techniques ( IF 0.5 ) Pub Date : 2022-10-07 , DOI: 10.1134/s1027451022050366
A. A. Tereshchenko , D. M. Pashkov , A. A. Guda , S. A. Guda , Yu. V. Rusalev , A. V. Soldatov
"点击查看英文标题和摘要"
更新日期:2022-10-09
Journal of Surface Investigation: X-ray, Synchrotron and Neutron Techniques ( IF 0.5 ) Pub Date : 2022-10-07 , DOI: 10.1134/s1027451022050366
A. A. Tereshchenko , D. M. Pashkov , A. A. Guda , S. A. Guda , Yu. V. Rusalev , A. V. Soldatov
|
摘要
这份手稿介绍了机器学习方法在钯纳米粒子表面上一氧化碳吸附物的结合能近似问题的适用性研究。使用一组结构训练机器学习算法,这些结构代表 CO 与 Pd 55不同部分的相互作用模型从分子到表面的距离可变的纳米团簇,其能量使用密度泛函理论方法计算。对于构成训练集的结构,计算径向分布函数。使用这些函数及其片段作为描述符,测试了各种机器学习算法的有效性,例如用于计算结合能的“梯度提升”、“岭回归”、“额外树”和“支持向量机”。基于三个不同的指标,发现使用“支持向量机”时确定结合能的误差最小:平均绝对误差为0.093 eV。比较了用作描述符的分布函数的各个单独部分的效率。

"点击查看英文标题和摘要"