基于机器学习的高熵氧化物材料的预测方法、设备和介质

本发明提供了一种基于机器学习的高熵氧化物材料的预测方法、设备和介质，能够对高熵稀土钛酸盐组成元素的进行高效筛选并对其他组成的高熵稀土钛酸盐进行热导率预测。本发明方法建立了基于机器学习的预测模型，为高熵稀土钛酸盐的热导率的确定提供了更高效的方式，能够推动高熵稀土钛酸盐涂层材料研究进展及应用。本发明方法中，从大量已公开发表的文献中提取材料组成与热导率的数据，并通过机器学习模型探究各个特征与热导率之间的映射关系，明确各个特征对热导率的影响趋势，更快设计出更低热导率的高熵稀土钛酸盐。