Explainable Recommendation Engines to Predict Complex Intermetallics: Synthesis and Characterization of Gd<sub>10</sub>RuCd<sub>3</sub>, a Neutron Absorption Material
Notice bibliographique
Résumé
The search for a neutron absorption material was aided by materials informatics tools that comprise the developed recommendation engines. A new member in the ternary RE 10 MCd 3 series, Gd 10 RuCd 3, was predicted and synthesized as an experimental validation. The recommendation engine is based on partial least-squares-discriminant analysis (PLS-DA) crystallographic site processing to classify the site preference of elements in compounds crystallizing in the Y 10 RuCd 3 -type structure and upon projecting other elements onto Principal Component map, the titled compound emerged as the top candidate. The distinguishing feature of the developed recommendation engine is in the three explainable methods utilized in the predictive framework: unrestricted, conservative, and cluster methods. Predictions are visualized with convenient property projection tools. The prediction was validated by high-temperature synthesis. The structure was confirmed with single-crystal and powder X-ray diffraction. The cold-water-quenched samples quenched at 800 °C have a smaller unit cell volume than the samples quenched at 600 °C annealing temperature. Transport property measurements show an unusually low thermal conductivity (5–7 W·m –1 K –1 ) and a trend change indicates a possible structure transition between 600 and 800 °C. The unusual low thermal conductivity was predicted with a machine-learning model that focuses on thermoelectric property prediction. DFT analysis reveals the presence of a 0D electride phenomenon. The neutron cross section and absorption based on the constituent elements put our material within the top 0.4% of neutron absorbers. The negative thermal expansion and high mass absorption suggest Gd 10 RuCd 3 as an attractive neutron absorption material.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».