介电常数的可解释模型用于微波介电材料的合理设计：一项机器学习研究

本研究采用Sure Independence Screening and Sparsifying Operator（SISSO）方法，构建了一个可解释的模型，用于理性设计具有特定介电常数的微波介质材料。研究收集了1419种单相材料的介电性质实验数据，并基于原子性质、离子性质及晶体结构特征构建了特征空间。通过随机森林算法对特征进行重要性排序，并利用SISSO方法迭代训练模型，最终达到了0.8的R²值。研究还提出了一种化学式拆分方法，以合并三元和四元材料的数据集，从而提高模型的预测准确性。研究结果为微波介质材料的设计提供了新的指导，并为未来多组分材料的机器学习研究奠定了基础。