《Computational Condensed Matter》：Machine learning-enabled prediction of lattice constants of A
2B
2X
7 pyrochlores via cross-validated multiple linear regression model
编辑推荐：
本研究旨在解决快速、低成本、高精度预测A2B2X7烧绿石晶体材料晶格常数的挑战。研究人员采用基于交叉验证的多元线性回归(MLR)模型，利用A、B、X位离子的离子半径和电负性差等物理可解释描述符，成功预测了255种化合物的晶格常数。全数据集模型获得了0.81的R2值，平均绝对误差(MAE)仅为0.09 ?。通过5折和10折交叉验证证实了模型的稳健性和泛化能力，并结合A/B位阳离子氧化态的扩展模型进一步提升了预测精度。该工作证明了一个简单、透明且具物理洞察力的线性模型，结合严格的验证技术，可成为预测筛选和发现新型烧绿石及相关晶体材料的高效计算工具。
在探索新材料以应用于自旋电子学、离子导电、磁热效应和光致发光等领域时，烧绿石（Pyrochlores）这类复杂氧化物材料因其丰富的物理化学性质而备受关注。这类材料具有通式A2B2X7，其核心结构参数——晶格常数（lattice constant）——直接关系到材料的稳定性、电子结构和宏观性能。然而，无论是通过实验合成与X射线/中子衍射分析，还是借助第一性原理计算如密度泛函理论(DFT)，来精确确定晶格常数，都面临着耗时、成本高昂或计算资源需求大的难题。面对庞大的潜在化学成分组合，如何快速、准确地估算未知或假设材料的晶格常数，成为了材料科学领域亟待突破的关键瓶颈。这引出了一个核心问题：能否发展一种高效、可靠且具有物理可解释性的计算模型，来预测烧绿石材料的晶格常数，从而加速新材料的设计与发现过程？
为了回答上述问题，来自印度卡利亚尼大学物理系的Yatramohan Jana、Czes?aw Rudowicz和Muhammed A??kg?z在《Computational Condensed Matter》上发表了一项研究。他们专注于开发一种基于机器学习的预测模型。研究人员巧妙地绕过了复杂的“黑箱”非线性模型，选择了一种物理意义明确且易于解释的方法——多元线性回归(Multiple Linear Regression, MLR)模型。他们的核心思路是，既然晶格常数主要受构成离子尺寸和化学键特性影响，那么能否仅用几个基本的物理描述符，就建立起可靠的预测关系呢？为此，他们从文献中精心收集了255种立方烧绿石化合物的实验晶格常数数据，构建了一个高质量的基准数据集。作为模型的输入特征，他们选取了五个物理意义清晰的描述符：A、B、X位离子的离子半径（ionic radii），以及X-A、X-B之间的电负性差（electronegativity differences）。为了全面评估模型的可靠性，他们不仅在整个数据集上建立了基准（全数据）模型，还系统性地采用了5折和10折交叉验证(Cross-Validation, CV)技术，以检验模型的稳健性和泛化能力。此外，他们还探索了将A和B位阳离子的形式氧化态(formal oxidation states)作为额外描述符加入模型后，对预测性能的提升效果。
为开展此项研究，作者主要采用了以下几种关键技术方法：
- 1.
数据收集与描述符定义：从已发表的文献中系统收集了255种A2B2X7烧绿石化合物的实验晶格常数数据。定义了五个核心物理描述符：A、B、X离子的离子半径（来自Shannon数据），以及(χX- χA)和(χX- χB)的电负性差（使用Pauling标度）。
- 2.
多元线性回归(MLR)建模：基于普通最小二乘法构建线性预测模型，将晶格常数表达为各描述符的线性组合（Y = β0+ ΣβiXi），模型系数直接反映各描述符的物理贡献。
- 3.
交叉验证(Cross-Validation, CV)：采用k折交叉验证评估模型。具体实施了5折CV（每折51个样本）和10折CV（每折25/26个样本），每次迭代用(k-1)折训练，剩余1折验证，循环k次以确保所有数据都做过验证集，用以评估模型的稳定性和泛化误差。
- 4.
模型性能评估指标：使用均值绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)和皮尔逊相关系数(PCC)等统计指标，定量比较基准模型与不同交叉验证方案下的预测精度和一致性。
4.1. 基于五个描述符(5D)的MLR模型晶格常数计算
研究者使用离子半径和电负性差这五个描述符，构建了预测烧绿石晶格常数a0的多元线性回归方程。基于全数据集（255个化合物）拟合得到的基准模型方程为：a0full-data= -2.101 + 1.2737 RA+ 2.4282 RB+ 6.8872 RX+ 0.0775 (χX- χA) - 0.0551 (χX- χB)。该模型解释了实验晶格常数81%的方差，MAE为0.0905 ?，RMSE为0.126 ?，预测值与实验值之间表现出强烈的线性相关（PCC = 0.8947）。残差分析显示误差近似高斯分布且中心在零附近，表明所选描述符能有效捕捉晶格变化的主要物理趋势。
4.2. 基准（全数据）模型性能
基准模型的预测晶格常数与实验值高度吻合。预测值的均值（10.3627 ?）与实验均值完全一致。在全部255个化合物中，大部分（178个）的相对绝对误差(RAE%)低于1%，仅有少数（20个）超过2%。模型性能指标（MAE, RMSE, R2, PCC）均表明该简单线性模型对化学组成多样的烧绿石数据集具有出色的预测能力。
4.3. 交叉验证技术的结果
4.3.1. 五折交叉验证(5-CV)
将数据集随机分为5份进行交叉验证。各折的验证集性能指标（MAE, RMSE, R2, PCC）保持稳定，平均验证集MAE为0.0934 ?，RMSE为0.1304 ?，R2为0.740，与基准模型结果接近，表明模型具有良好的泛化能力，未出现过拟合。5-CV预测值与实验值的对比图显示了各折内部的高度一致性。
从各折训练得到的回归系数平均值与基准模型的系数高度一致（例如，β1(RA)：1.2731 vs. 1.2737），且标准差很小，证明了模型系数的稳健性和物理一致性。5-CV产生的残差与基准模型残差高度相关（相关系数~0.9957），说明交叉验证并未改变模型的固有误差结构，而是可靠地估计了预测不确定性。
4.3.2. 十折交叉验证(10-CV)
采用更细粒度的10折交叉验证进一步检验模型。结果显示，其性能与5-CV相当，验证了模型对不同数据划分方案的鲁棒性。10-CV各折的预测结果与实验值同样吻合良好。
平均回归系数与5-CV及基准模型的结果仍非常接近，标准差略有增大但仍在可接受范围，再次确认了模型描述符的稳定贡献。
4.4. 扩展模型：包含氧化态的七描述符(7D)模型
为了探究电子效应（超越离子尺寸和电负性）的影响，研究者在五个基本描述符基础上，增加了A和B位阳离子的形式氧化态作为两个新描述符，构建了七描述符(7D)模型。在15个未参与训练的、全新的烧绿石化合物上进行的外部样本验证表明，7D模型显著提升了样本外预测精度。其MAE和RMSE相较于5D模型分别降低了约28%和22%，R2从0.63提升至0.78。这一改进凸显了氧化态在决定晶格常数中的重要作用，因为它影响了离子半径和阳离子取代机制。
4.5. 与其他机器学习模型的比较
研究将本文的MLR模型与文献中报道的其它模型进行了对比，包括：Brik等人使用168个数据点的普通最小二乘拟合模型、Kumar等人使用相同五个描述符的高斯过程回归(GPR-M2)模型，以及最新的图神经网络模型CHGNet。对比发现，本文基于更大数据集（255个化合物）的5D-MLR基准模型在R2和MAE上均优于Brik的早期OLS模型。虽然GPR-M2和CHGNet在某些指标上表现略优，但它们属于复杂的非线性“黑箱”模型，可解释性差。而本文的MLR模型在保持高预测精度（MAE ~0.09 ?）的同时，提供了清晰的物理洞察——每个回归系数的大小直接量化了对应离子半径或电负性差对晶格膨胀/收缩的贡献程度。例如，系数分析表明，晶格常数对B位离子半径的变化最敏感（β2较大），而对X位（阴离子）半径的变化最为敏感（β3最大），这源于BO6八面体更高的结构灵活性以及阴离子亚晶格在连接整个三维框架中的主导作用。
本研究成功开发并验证了一个基于多元线性回归(MLR)的、可解释的机器学习模型，用于预测A2B2X7烧绿石的晶格常数。仅使用五个易于获取的物理描述符（离子半径和电负性差），模型在255种化合物数据集上就实现了高精度预测（R2= 0.81， MAE = 0.09 ?）。严格的5折和10折交叉验证证实了模型的稳健性和出色的泛化能力，回归系数在不同数据子集间保持稳定，揭示了晶格常数对B位和X位离子尺寸变化最为敏感的物理本质。通过引入A、B位阳离子氧化态作为额外描述符，模型对未知样本的预测能力得到进一步提升，强调了电子效应在精细调控晶格参数中的关键作用。与更复杂的非线性模型（如GPR、ANN）相比，该线性模型最大的优势在于其透明性和物理可解释性——每个描述符的贡献系数都具有明确的晶体化学意义，使研究者不仅能做出预测，更能理解预测背后的物理驱动因素。这项工作表明，一个精心设计、基于物理描述符的简单线性模型，结合可靠的验证策略，可以成为一种高效、低成本且洞察力强大的计算工具。它为快速筛选和发现具有目标晶格参数（进而关联特定功能）的新型烧绿石及相关晶体材料提供了可行路径，有助于加速功能氧化物材料的理性设计与开发。
