黑龙江大学郑冰：基于渐进式特征优化与可解释描述符的可机械剥离二维纳米材料筛选框架

背景：二维纳米材料在多个领域具有巨大应用潜力，但其实验制备种类远少于理论预测，开发新型可制备材料成为迫切需求。机械剥离法是一种重要的制备方法，其成功与否取决于材料的剥离能，但剥离能的精确获取面临挑战。研究目的：本研究旨在开发一个兼具高精度与物理可解释性的机器学习框架，以高效预测二维纳米材料的剥离能，并加速可机械剥离新材料的发现。结论：研究提出了一种四阶段渐进式特征优化策略，构建了高性能的CatBoost预测模型。基于此，提取出一个名为E417的可解释描述符，能快速识别可机械剥离材料，并揭示了其化学起源。最终，利用该描述符筛选出大量潜在新型材料，为二维纳米材料的开发提供了高效工具。