优化自组装单分子层界面热导的可解释机器学习方法、系统、介质

本发明涉及一种优化自组装单分子层界面热导的可解释机器学习方法、系统、介质。所述方法包括以下步骤：获取初始机器学习训练特征数据集集合，结合自组装单分子层界面热导进行特征工程处理，得到利于解释物理机制的关键物理特征，作为机器学习模型训练输入集；针对自组装单分子层界面热导，结合过滤得到的物理特征，进行界面热导机器学习模型搭建与训练；针对训练完成的界面热导机器学习模型，进行SHAP特征可解释分析，确定符号回归变量集合；进一步获取可解释物理筛选指标。与现有技术相比，本发明通过具有物理含义的特征工程进行可解释机器学习，并通过符号回归算法将独立不关联的物理特征进行融合，创造新的可解释物理筛选指标，来用于自组装单分子层的可靠热输运设计。