التكهن بتابع العمل لمواد ثنائية الأبعاد باستخدام تعلم آلة قابل للتفسير

الملخص

قمنا في هذه الدراسة بتصميم نموذجَي تعلّم آلة للتكهن بتوابع العمل لمواد ثنائية الأبعاد باستخدام مميزات متعلّقة بالتركيب. إذ استخدمنا خوارزميتَي RF وXGBoost ودربناهما على حوالي 4000 مادة من قاعدة بيانات المواد ثنائية الأبعاد الحاسوبية C2DB، وحققتا قيم جيدة جداً عند الاختبار:  وُ  أي بتفوق بسيط لـ XGBoost على RF.  لتفسير النماذج، استعملنا تحليلي "أهمية المميزات بالتبديل PFI" و"SHAP". دل الأول على وجود مميزات رئيسية مؤثرة في أداء النموذج (الكهرسلبية الوسطية، رقم العمود في الجدول الدوري، أنصاف الأقطار التساهمية) بينما أوضح الثاني كيف أثّرت كل مميزة على القيمة المتوقعة، فقد تبين أنه بازدياد الكهرسلبية الوسطية ومدى العمود تزداد قيمة تابع العمل وهو ما يتفق مع المفاهيم الفيزيائية. قدمت النماذج تكهنات مقبولة الدقة وإرشادات تصميمية قابلة للتفسير الفيزيائي مما يسمح بالاكتشاف الموجّه للمواد ثنائية الأبعاد من أجل التطبيقات الإلكترونية.