上海硅酸盐研究所刘志甫MGE_Adv.：基于可解释机器学习与遗传算法的无机玻璃介电、热学和力学性能多目标优化

本研究旨在通过可解释机器学习和遗传算法优化无机玻璃的介电、热学和力学性能。背景方面，无机玻璃在先进电子器件中需要具备多种优异性能，但复杂的成分-性能关系使得优化过程充满挑战。研究目的为构建基于成分特征的机器学习模型，预测介电常数、介电损耗、热导率、热膨胀系数和杨氏模量，并通过遗传算法实现多目标性能协同优化。研究结果显示，最优模型表现良好，R2值在0.7411至0.9684之间。通过SHAP、Friedman检验等方法解析了成分对性能的影响机制，并成功优化出性能优异的MgO-Al2O3-B2O3-SiO2体系材料。结论表明，该方法显著降低了计算量，为复杂玻璃材料体系的成分设计提供了高效解决方案。