热点事件持续更新

研究提出半赫斯勒热电材料zT预测ML框架

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

研究团队提出一套可泛化的机器学习框架，用于预测半赫斯勒（Half-Heusler）化合物的热电优值 zT，并重点预测此前未见过的组分。该框架采用基于 PCA 的训练/测试集划分，结合贝叶斯超参优化与相关性 k-best 特征选择。团队称，在 Random Forest、XGBoost 和 Neural Network 模型上，测试 RMSE 较使用全部 118 个输入特征降低 16-27%。

AI 根据报道生成 · 2 小时前更新

最新进展10月12日 12:00

面向 Half-Heusler 热电材料的可泛化机器学习框架

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.LG
面向 Half-Heusler 热电材料的可泛化机器学习框架
研究团队提出一套可泛化的机器学习框架，用于预测 Half-Heusler 化合物的热电优值 zT，并重点预测此前未见过的组分。该框架采用基于 PCA 的训练/测试集划分，结合贝叶斯超参优化与相关性 k-best 特征选择，在 Random Forest、XGBoost 和 Neural Network 模型上使测试 RMSE 较全部 118 个输入特征降低 16-27%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。