基于数据驱动的超导临界温度预测方法研究

• 作者: 李韬伟 王龙 赵宸立
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 超导体数据集 数据驱动 相关性分析 多元线性拟合
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 29-32
• 页数: 4页
• 分类号: TP301
• 字数: 2456字
• 语种: 中文
• DOI: 10.11907/rjdk.182872

摘要

超导体具有零电阻特性、完全抗磁性、通量量子化等优点,但受限于物理实验环境与材料自身特性,其临界温度测试一直是超导实验中的难点.对公开超导数据集进行研究分析,以期发现其临界温度与物理特性及化学元素组成之间的关系,进而构建能够辅助预测超导体临界温度的模型,降低实测获得临界温度的难度.结合数据挖掘领域的相关性分析与多元线性回归分析等理论,分别基于超导临界温度实验的物理属性数据及元素构成数据构建预测模型,为通过数据驱动实验获取其它超导体临界温度提供了有益尝试.通过对两个模型进行对比,结果表明,基于元素的预测模型效果略优于基于属性的预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王龙	国防科技大学信息通信学院	2	0	0.0	0.0
2	李韬伟	国防科技大学信息通信学院	2	1	1.0	1.0