摩氏硬度预测自然陶瓷材料成分特征数据集2019-chinmayadatt
数据来源：互联网公开数据
标签：摩氏硬度,机器学习,陶瓷材料,硬度预测,化学成分,晶体结构,材料科学
数据概述：
本数据集包含用于预测自然陶瓷材料摩氏硬度的实验数据，涵盖了广泛的材料种类和硬度值。数据来源于《CRC Handbook of Chemistry and Physics》及《American Mineralogist Crystal Structure Database》，包括实验测定的摩氏硬度、晶体类别以及化学组成等关键信息。数据集旨在通过集成原子和电子特征，利用机器学习方法预测陶瓷材料的硬度。
数据集包含以下字段：
- 化学组成：自然陶瓷矿物的化学元素及其含量
- 晶体类别：矿物的晶体结构分类
- 摩氏硬度：实验测定的硬度值
数据集适用于摩氏硬度预测、陶瓷材料设计、材料科学研究等场景。通过分析数据，研究者可以了解不同化学成分和晶体结构对材料硬度的影响。
数据用途概述：
该数据集适用于材料科学和陶瓷工程领域的研究与开发。研究人员可以利用此数据训练和验证机器学习模型，预测新材料的硬度；材料科学家可以基于数据优化陶瓷材料的设计；教育机构可以使用数据集进行材料科学教育和培训。数据集为摩氏硬度预测提供了宝贵的数据支持，有助于推进相关领域的技术创新和应用。
参考资料：
Garnett, J. C. Prediction of Mohs Hardness with Machine Learning Methods Using Compositional Features. In Research Paper, American Chemical Society, 2019. https://pubs.acs.org/doi/abs/10.1021/bk-2019-1326.ch002
CRC. CRC Handbook of Chemistry and Physics, 98th ed.; Rumble, J. R., Ed.; CRC Press/Taylor & Francis: Boca Raton, FL, 2018.
Downs, R. T.; Hall-Wallace, M. The American Mineralogist Crystal Structure Database. Am. Mineral. 2003, 88, 247–250.
数据集获取地址：https://data.mendeley.com/datasets/jm79zfps6b/1
摩氏硬度相关信息：
https://www.britannica.com/science/mineral-chemical-compound/Hardness
https://www.britannica.com/science/Mohs-hardness
https://en.wikipedia.org/wiki/Mohs_scale
