Data supporting for: High-Precision Predictive Modeling for BaTiO3–Bi(Mg1/2Ti1/2)O3 Material System Using Automated Machine Learning

实现了一个集成了 Auto-Sklearn 和 Auto-Keras 算法的自动化机器学习 (AutoML) 框架,为 BaTiO3-Bi(Mg1/2Ti1/2)O3 (BT-BMT) 材料系统未开发的参数空间开发预测模型。Auto-Sklearn 算法产生了 一个值为 0.9929 的高精度模型,明显超过了手动调整模型的性能。该模型有助于识别满足整个参数空间介电常数的 X9R 温度稳定性标准的参数配置。此外,该模型用于优先考虑固态反应过程中影响 BT-BMT 系统介电性能的实验参数。确定的关键因素包括烧结温度、粗磨时间、煅烧后研磨时间和烧结时间。这些发现突出了 AutoML 框架的可扩展性和适应性,强调了它在材料科学各个领域加速材料发现和优化的潜力。