报告详情
影响氧化铁表面氢吸附行为关键因素的机器学习研究
编号：533
访问权限：仅限参会人
更新：2025-04-24 19:35:14
浏览：46次
特邀报告
报告开始：2025年05月11日 08:50（Asia/Shanghai）
报告时间：20min
所在会场：[N] 数据驱动表面工程论坛 [N1] 上午场
暂无文件
摘要
深入探究氢在掺杂氧化铁（α-Fe₂O₃）表面的吸附行为对于优化钢铁材料的耐腐蚀特性至关重要。在本研究中，将密度泛函理论（DFT）计算与机器学习相结合，系统地研究了氢在掺杂氧化铁表面的吸附行为。从DFT计算中获得了597个数据点。基于这些数据，开发了机器学习模型来预测氢的结合能和吸附能，从而阐明它们之间的差异，并深入挖掘决定氢吸附行为的关键特征。随机森林回归（RFR）模型的50次迭代表明，电子特征（例如：εx，O原子x方向轨道的p带电子中心）在预测结合能方面占主导地位，而几何和原子特征（例如：MRA，掺杂位点原子半径和DO2，O原子与第二近邻金属原子的距离）在预测氢吸附能方面发挥着更为重要的作用，这表明结构信息对于描述氢吸附引起的局域变形的重要性。此外，采用偏依赖图（PDPs）来评估关键特征对氢吸附的影响，能够为揭示氢吸附引起局域畸变的潜在机制提供有价值的见解。
关键词
氢吸附；氧化膜；机器学习；特征；第一性原理计算
报告人
高磊
教授 北京科技大学稿件作者
全部评论
重要日期
-
会议日期
05月09日
2025
至05月11日
2025
-
05月08日 2025
摘要截稿日期
-
05月08日 2025
初稿截稿日期
-
05月11日 2025
注册截止日期
-
08月07日 2025
报告提交截止日期
主办单位
中国机械工程学会表面工程分会
承办单位
天津大学
中国地质大学（北京）
海南大学
北京科技大学
中国地质大学（北京）
海南大学
北京科技大学
联系方式
- 段金弟
- bm******@126.com
- 139********
- 蒋 超
- bm******@126.com
- 189********
- 汪怀远
- bm******@126.com
- 156********
- 王瑞涛
- bm******@126.com
- 137********
- 康嘉杰
- bm******@126.com
- 150********
- 郭 涛
- bm******@126.com
- 138********
发表评论