Toward High‐Performance Electrochemical Energy Storage Systems: A Case Study on Predicting Electrochemical Properties and Inverse Material Design of MXene‐Based Electrode Materials with Automated Machine Learning (AutoML)

Abstract This study highlights the potential of Automated Machine Learning (AutoML) to improve and accelerate the optimization and synthesis processes and facilitate the discovery of materials. Using a Density Functional Theory (DFT)‐simulated dataset of monolayer MXene‐based electrodes, AutoML asse...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ

Հիմնական հեղինակներ:	Berna Alemdag, Görkem Saygili, Matthias Franzreb, Gözde Kabay
Ձևաչափ:	Artigo
Լեզու:	Inglês
Հրապարակվել է:	Wiley-VCH 2025-10-01
Շարք:	Advanced Electronic Materials
Խորագրեր:	feature importance intercalation voltage molecular formula prediction PyCaret theoretical capacity
Առցանց հասանելիություն:	https://doi.org/10.1002/aelm.202400818
Ցուցիչներ:	Ավելացրեք ցուցիչ Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!