研究人員對發(fā)現(xiàn)高容量電池材料有著濃厚的興趣,這促使學(xué)術(shù)界對二維早期過渡金屬碳化物(MXenes)的電化學(xué)儲能潛力進(jìn)行研究。其中,預(yù)測MXene的組成和電化學(xué)性能之間的關(guān)系是一個相當(dāng)重要的研究熱點。在此,澳大利亞國立大學(xué)Amanda S. Barnard等人報道了一種多目標(biāo)逆向設(shè)計工作流程并將其應(yīng)用于通過電子結(jié)構(gòu)模擬生成的二維過渡金屬碳化物數(shù)據(jù)集,以建立一種性能/結(jié)構(gòu)關(guān)系且能同時預(yù)測給定重量容量、電壓和感應(yīng)電荷下的最佳MXene。其中,作者使用相同的機(jī)器學(xué)習(xí)方法(隨機(jī)森林RF),但根據(jù)具體的特征類型(化合物),在正向預(yù)測中使用RF回歸器,在逆向預(yù)測中使用RF分類器,而不是將正向和逆向設(shè)計都視為多目標(biāo)回歸任務(wù)。研究表明,正向預(yù)測表現(xiàn)出了低平均絕對誤差(MAE)和均方誤差(MSE),同時揭示了對重量容量、電壓和感應(yīng)電荷有貢獻(xiàn)的重要化學(xué)元素的概況:就插層MXene的類別重要性而言,插層離子的影響最大,其次是過渡金屬、官能團(tuán)和層狀碳化物或氮化物,預(yù)計Li+或Mg2+插層比Na+或K+提供更大的重量容量。圖1. 逆向設(shè)計工作流程上述特征選擇是逆向設(shè)計的先決條件,然后逆向設(shè)計使用重新優(yōu)化的多目標(biāo)模型來預(yù)測基于屬性標(biāo)簽集(元特征)的減少的結(jié)構(gòu)特征集(元標(biāo)簽)。在逆向模型的情況下,漢明損失、Jaccard分?jǐn)?shù)和混淆矩陣提供了具有高F1分?jǐn)?shù)的出色結(jié)果,其中單M分類被認(rèn)為是最不可靠的。這意味著在對MXenes進(jìn)行分類以預(yù)測最佳M時,某些元素之間沒有明顯的區(qū)別?;诶硐氲闹亓咳萘?、電壓和感應(yīng)電荷范圍,作者確定Li2M2C和Mg2M2C(M=Sc, Ti, Cr)可作為更集中研究的候選者。總之,這項研究表明使用分類描述符訓(xùn)練的逆向模型可準(zhǔn)確對多類材料進(jìn)行分類,這顯著擴(kuò)展了逆向設(shè)計的范圍并證明了特定化學(xué)式的可能輸出。由于數(shù)據(jù)集由單層MXene組成,因此二進(jìn)制多輸出分類只會導(dǎo)致電池發(fā)現(xiàn)的總體趨勢,但如果生成了相關(guān)的數(shù)據(jù)集,該工作流程也可以識別多層結(jié)構(gòu)。圖2. 單目標(biāo)和多目標(biāo)逆分類器的學(xué)習(xí)曲線Inverse Design of MXenes for High-Capacity Energy Storage Materials Using Multi-Target Machine Learning, Chemistry of Materials 2022. DOI: 10.1021/acs.chemmater.2c00200