摘要：硅酸盐玻璃被广泛应用于建筑窗户、电子设备、光学器件、核废料处理和日用品等领域。随着科技的发展，当代社会对新型玻璃材料的性能要求越来越高，其中，力学性能直接影响其使用寿命、安全性和功能性，因而得到了广泛关注。鉴于玻璃组成的复杂性，传统的试错法已经难以满足新材料的快速开发需求；另一方面，随着计算机技术的不断进步，运用材料计算设计满足应用需求的玻璃组成成为新型玻璃研发的又一选择，并逐渐在新型玻璃的快速迭代中起到越来越关键的作用。本文围绕多组分硅酸盐玻璃，以力学性能为主要目标，结合实验数据、分子动力学模拟和定量结构性能关系分析法，构建了3种机器学习预测模型：(1) 基于实验测得数据的玻璃密度预测模型；(2) 基于实验密度数据，运用分子动力学模拟计算获得性能数据所构建的玻璃杨氏模量预测模型；(3) 以少量实验数据为基础，运用QSPR方法进行数据增强采样所构建的玻璃硬度预测模型。通过实验制备和测试，进一步验证模型预测所得玻璃组成的相关性能，证明了模型预测的有效性。这为基于机器学习的玻璃性能预测提供了新思路，有助于加快新型高性能玻璃的研发进程。
文章目录
1 研究方法
1.1 分子动力学模拟
1.2 QSPR分析
1.3 机器学习算法
1.4 实验
2 结果与讨论
2.1 玻璃样品数据集的数据组成
2.2 机器学习模型预测准确性分析
2.3 机器学习模型的可解释性
3 结论
