单填料聚合物复合材料的导热预测模型

利用梯度提升决策树算法，预测精度超越经验公式，可加速复合材料设计。

Yinzhou, Liu · Zheng, Weidong · Ai, Haoqiang · Hao, Zhou · Liyin, Feng · 程林 · Guo, Ruiqiang · Xiaohan, Song

Materials Today Communications 2024

参数信息

Pearson相关系数

0.981

技术优势

预测精度高

梯度提升决策树（GBDT）模型在测试集上的Pearson相关系数达到0.981。

比经验公式更准更通用

机器学习模型因纳入更多描述符，精度更高且适用范围更广。

准确预测，加速设计

为快速预测导热系数提供有效工具，可加速材料设计。

应用场景

• 聚合物复合材料设计：直接预测热导率，减少试错实验。
• 电子器件热管理：预测复合材料热导率，辅助电子器件散热设计。
• 导热材料研发：快速筛选配方，加速导热材料开发。