残差校正的XGBoost用于氧化物双钙钛矿带隙的可解释性预测
《Computational Materials Science》:Residual-corrected XGBoost for interpretable prediction of oxide double perovskite band gaps
【字体:
大
中
小
】
时间:2026年10月01日
来源:Computational Materials Science 3.7
编辑推荐:
**摘要**
- 采用预测感知的 XGBoost–SVR 残差修正方法,改进了 GLLB-SC 带隙预测。
- 在十次重复的训练/测试划分中,平均测试 R2 由 0.943 提升至 0.958。
- 低带隙召回率由 0.612 提高至 0.725,且精度未出现显著下降。
-
**摘要**- 采用预测感知的 XGBoost–SVR 残差修正方法,改进了 GLLB-SC 带隙预测。- 在十次重复的训练/测试划分中,平均测试 R2 由 0.943 提升至 0.958。- 低带隙召回率由 0.612 提高至 0.725,且精度未出现显著下降。- PA-WXGB-SVR 替换了约 25% 的 Top-20 候选化合物,并将 EF@20 提升至 6.90。- SHAP 分析将预测结果与未填满的价态及 d 轨道占据情况联系起来。**引言**氧化物双钙钛矿为调节电子性质提供了广阔的化学空间。传统的 B 位有序形式为 A?BB'O?,而双取代组合物可更一般地写为 AA'BB'O?。有序结构可以同时出现在 A/A′ 与 B/B′ 亚晶格上。层状、柱状和岩盐排列是常见的理想化结构基元;当 A = A′ 时,即恢复为 A?BB'O? 形式 [1]。这种组分灵活性可获得很宽的带隙范围,并支持其在光伏、光催化、发光器件及相关光电技术领域的应用 [2], [3]。然而,随着可能位点组合数目的增加,直接的实验探索与第一性原理计算都将变得十分昂贵 [4]。机器学习为针对这类庞大组分空间构建快速替代模型提供了一种可行途径 [5], [6]。基于树的集成方法很适合处理表格化的组分明示符,因为它们能够捕捉非线性相互作用,并对相关性输入具有较好的耐受性。因此,XGBoost 已被广泛用于材料性能预测 [7]。近期的氧化物双钙钛矿研究也将 XGBoost 与 SHAP 分析相结合,以识别与带隙变化相关的组分级描述符 [8]。这类解释很有价值,因为仅仅依靠预测精度,并不能显示模型学到了哪些化学趋势,也不能显示模型在哪些区域可能仍然保持可靠 [9]。目标标签同样需要物理背景支撑。在本数据集中,带隙由 GLLB-SC 交换关联势计算得到 [1], [10]。GLLB-SC 在 Kohn-Sham 带隙之上显式加入对交换关联导数不连续性的估计。相对于传统的 LDA/GGA,该方法通常能改善带隙预测精度,同时对高通量计算仍保持可承受的计算成本 [10]。一项系统性评估报告称其平均精度可与杂化泛函相媲美,尽管在窄带隙和强关联体系中可能出现较大误差 [11]。在本工作中,GLLB-SC 值被视为计算参考标签,而非实验真值。一个强大的集成模型仍然可能留下结构化残差。正则化、有限的数据密度以及目标范围的不均匀覆盖,都可能产生系统性误差,例如在低带隙处被高估,或在高带隙处被低估。残差修正与堆叠方法可以利用这种残余结构 [12]。本文中,第二阶段模型被专门设计为学习单一基学习器遗留的误差,而不是充当一个通用的替代预测器。仅凭回归精度无法说明模型在材料筛选任务中的表现如何。主动学习还取决于搜索目标、不确定性估计和获取策略 [13]。在比较不同的材料发现方法时,数据来源与评估设计同样重要 [14]。在一次性筛选中,选择边界附近的误差可能会改变最终保留哪些化合物。因此,我们在 RMSE 和 R2 之外,还考察了低带隙召回率、边界误差以及候选物排序。我们还测试了有限目标窗口的情形,因为最小带隙并不总是期望得到的结果。本文探讨的问题是:残差修正能否在总体回归精度提升之外,进一步改善候选物的筛选效果。我们采用容量受限的 XGBoost 模型生成折外预测,并用 SVR 学习残差。SVR 同时接收基预测作为输入,从而使修正量能够随预测带隙的变化而调整。我们在重复划分上比较回归性能,并通过交叉消融实验考察预测输入与第一阶段配置的作用。随后我们评估了低带隙筛选以及在有限目标窗口内的筛选情况。SHAP 分析用于描述第一阶段 XGBoost 模型所学习的组分趋势。**章节摘要***数据集来源与范围*本研究使用的数据集是通过 matminer 分发的 double_perovskites_gap 数据集 [15]。该数据集最初由 Pilania 等人 [1] 基于 Computational Materials Repository 的数据整理并报告。数据集包含 1306 个非金属(有限带隙)氧化物双钙钛矿,通式为 AA'BB'O?。它由 53 种稳定的、有限带隙的立方 ABO? 母体钙钛矿的两两组合构建而成。在 1378 种可能的组合中,72 个金属或近零带隙体系被排除,剩余 1306 个条目。*基 XGBoost 模型*XGBoost 通过顺序添加决策树来降低预测误差。正则化以及行/列子采样使其能够处理相关描述符之间的非线性关系 [7]。我们将单阶段基准模型称为 Strong XGBoost。表 S5 列出了其固定超参数以及残差模型所使用的参数。残差框架中的第一阶段学习器被称为容量受限 XGBoost。它使用更少的树、更浅的树深、更大的最小子节点权重,以及更强的 L1/L2 正则化。*数据集的带隙分布*1306 个岩盐有序 AA'BB'O? 条目的 GLLB-SC 带隙范围为 0.107 至 8.343 eV,均值为 4.012 eV,标准差为 1.582 eV。大多数样本位于中带隙和宽带隙范围,仅有 164 个化合物(12.6%)的 E_g < 2 eV。稀疏的低带隙尾部为回归与筛选性能提供了有价值的检验场景。图 2 以直方图/KDE、箱线图及区间计数图的形式展示了目标变量分布。0–1、1–2、2–3、3–4、4–5 及 >5 eV 各区间分别包含*结论*本文将容量受限的 XGBoost 与一个 SVR 残差学习器相结合,用于根据组分预测 GLLB-SC 带隙。SVR 学习折外残差,并将基模型预测值作为额外输入。该模型在 1306 个岩盐有序 AA'BB'O? 条目上进行了评估。在十次重复的 80/20 划分中,平均测试 R2 由 Strong XGBoost 的 0.943 提升至 PA-WXGB-SVR 的 0.958。RMSE 由 0.382 降至 0.327 eV,MAE 由 0.279 降至 0.235 eV。全部十次划分均显示出改进。对于真实 E_g < 2 eV 的样本,MAE*人工智能使用声明*作者使用 ChatGPT 改善了稿件的语言表达,并协助进行代码调试。作者审阅并修改了 AI 辅助生成的文字与代码,并对本工作的全部内容承担全部责任。*CRediT 作者贡献声明***翟志淳(Zhichun Zhai)**:撰写—初稿、方法论、形式化分析、概念构思。**葛亚萍(Yaping Ge)**:撰写—审阅与编辑、方法论。**吴平英(Pingying Wu)**:撰写—审阅与编辑、监督、资源提供。*利益冲突声明*作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。*致谢*本工作得到南通科技项目(批准号 MSZ2025057)的资助支持。Zhichun Zhai | Yaping Ge | Pingying Wu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号