机器学习(ML)技术正在飞速发展，已经应用在了工业制造、医疗诊断、网络安全、图像识别与分类等多个方面。ML在摩擦学的应用目前主要是通过一些实验或计算数据建立数据集，训练模型进行预测以及根据目标性能反向设计材料。MXenes材料具有类似于石墨烯的层状结构、低剪切强度、自润滑能力、滑动过程中能快速形成摩擦膜、良好的机械强度等特性，这使得MXenes材料能更好地应用于摩擦学。目前ML在石墨烯领域的应用更为广泛，而在MXenes材料方面的应用相对较少。本文通过DFT计算构建了一个包含22个样本，27个描述符的MXenes材料数据集，使用ML对此数据集进行shap分析、相关性分析以及对摩擦力进行预测，为之后筛选MXenes材料打下基础。如图1所示，通过shap分析对数据集中的描述符进行重要性排列并排除不重要的描述符，结果表明，价电子、d轨道价电子、最小键长以及YY方向面内刚度重要性更高。如图2所示，将排除不重要描述符后的数据集进行相关性分析，得到皮尔逊热图，颜色越浅则描述符之间的相关性越高，去除相关性大于0.8的描述符后进行训练。如图3所示，将数据集以8:2分为训练集和测试集，分别用XGB、RF、LR、ANN四个模型进行训练，结果显示，XGB性能最好，MSE值为0.233，RMSE值为0.482，R²值为0.929，ANN性能最差，MSE值为1.485，RMSE值为1.219，R²值为0.549。
 

MXenes材料；机器学习；摩擦力；DFT计算