机器学习辅助微波介质陶瓷研究取得进展

近年来，随着5G/6G技术的蓬勃发展，微波介质陶瓷作为微波集成电路基板、介质谐振器、介质天线等通信电子元器件的关键材料，受到越来越广泛的关注。材料信息学借助机器学习等方法对数据进行建模分析，挖掘物理量之间的隐含关联，构建定量“构效关系”，从而加速新材料研发，目前已在一些材料研究领域得到运用并证实了其可靠性。然而，学界针对微波介质陶瓷材料的性能预测与理性设计的机器学习模型研究的报道较少。

2021年4月，中国科学院研究团队采用机器学习方法，研究微波介质陶瓷的材料特征与介电性能之间的关系，提出了一种普适性强、准确性高的介电常数预测模型，并以此为依据预测了新的低介电常数微波介质材料。最优预测模型经过数据清洗、两步降维、模型超参数优化、特征量组合寻优和多算法对比等步骤获得。研究表明，除了降低单位体积离子极化率之外，降低平均键长和提高每个原子所占的晶胞體都可有效降低材料介电常数。利用机器学习模型，研究团队从3300余种未报道介电常数的无机材料中筛选出潜在的低介电常数材料，并从中选取了若干种进行制备和测试，验证了预测结果的可靠性。

来源：中国科学院上海硅酸盐研究所

https：//www.cas.cn/syky/202104/t20210426_4785951.shtml？from=singlemessage

下载日期：2021-05-05

3047500338225