L'énergie de liaison O 1s dans la spectroscopie photoélectronique X (XPS) est un indicateur clé pour identifier l'environnement chimique de l'oxygène dans les matériaux inorganiques, largement utilisée dans les domaines des nouvelles énergies, de la catalyse et de la surveillance de synthèse. Cependant, l'identification des pics à travers différents systèmes dépend toujours de nombreuses expériences de validation. Cet article, basé sur les données d'énergie de liaison O 1s de 514 composés inorganiques contenant de l'oxygène, construit un cadre de prédiction par apprentissage automatique uniquement dépendant de la formule chimique, destiné à l'estimation à faible coût des positions de pics avant expérimentation et à l'évaluation des tendances. Avec les descripteurs de composition d'origine, l'erreur absolue moyenne (MAE) du modèle de régression par gradient boosting (GB) en test est de 0,505 eV. Après l'introduction de descripteurs inspirés par des propriétés physiques telles que l'intensité du champ cationique et la proportion de métaux de transition, la MAE est tombée à 0,481 eV, le coefficient de détermination R² est passé à 0,716, le rayon ionique moyen cationique a été identifié comme variable clé, soutenu par les résultats expérimentaux XPS de Ca₁₄Mg₅M₄O₂₅ (M = Al, Sc, Y). Dans les systèmes appariés sel/oxyde, le modèle prédit le déplacement chimique relatif avec une MAE de 0,339 eV et un R² de 0,822. Cette méthode peut fournir une référence d'aide à faible coût et explicable pour l'analyse XPS des matériaux inorganiques complexes à base d'oxygène.

Analyse verte et efficace;Spectroscopie photoélectronique X;Déplacement chimique;Apprentissage automatique;Descripteurs de composition