一种基于第一性原理计算和机器学习预测掺杂金属氧化物p型导电特性的方法

本发明公开了一种基于第一性原理计算和机器学习预测掺杂金属氧化物p型导电特性的方法。首先，通过收集和计算某金属氧化物掺杂后的费米能级数据，利用特征工程构建特征向量。接着，选择支持向量机、随机森林、高斯过程、梯度提升和极限梯度提升等算法训练机器学习模型，选取最佳模型对所有特征组合进行探索，识别影响费米能级的关键特征，从而预测未知掺杂元素掺入金属氧化物后的费米能级，筛选出潜在的p型掺杂剂候选者。随后，通过第一性原理计算对候选元素进行验证。应用本发明可以显著减少实验资源和时间，推动金属氧化物的开发与应用。