一种超低温共烧陶瓷材料介电性能的机器学习预测方法

本发明属于介电陶瓷材料技术领域，具体涉及一种超低温共烧陶瓷材料(ULTCC)介电性能的机器学习预测方法。本发明结合Materials Project数据库和基于第一性原理的材料物理/化学规则统计计算，收集并计算扩展生成与陶瓷材料介电性能有关的特征集；然后使用加和策略综合考量线性特征和非线性特征，搭建自动化特征筛选策略，对特征重要性排序后筛选；并利用此方法指导机器学习模型训练与预测，高效且准确地预测ULTCC的介电常数，品质因数和谐振频率温度系数。