A energia de ligação O 1s no XPS é um indicador central para identificar o ambiente químico do oxigênio em materiais inorgânicos, amplamente utilizada em novos setores de energia, catálise e monitoramento de síntese, mas a atribuição de picos entre sistemas ainda depende de muitos experimentos de validação. Este artigo, baseado em dados de energia de ligação O 1s de 514 compostos inorgânicos contendo oxigênio, constrói um framework de aprendizado de máquina baseado apenas na fórmula química para previsão de picos a baixo custo e julgamento de tendências antes do experimento. Sob os descritores de composição originais, o erro absoluto médio (MAE) do modelo de regressão por aumento de gradiente (GB) testado é de 0,505 eV. A introdução de descritores físicos inspirados, como a intensidade do campo cátionico e a proporção de metais de transição, reduziu o MAE para 0,481 eV, o coeficiente de determinação R² aumentou para 0,716, o raio médio do cátion foi identificado como variável chave, apoiado pelos resultados experimentais de XPS para Ca₁₄Mg₅M₄O₂₅ (M=Al, Sc, Y). Em sistemas pareados de sais/óxidos, o modelo prevê deslocamentos químicos relativos com MAE=0,339 eV e R²=0,822. Este método pode fornecer uma referência auxiliar de baixo custo e interpretável para análise XPS de materiais inorgânicos complexos contendo oxigênio.

análise verde eficiente;espectroscopia fotoeletrônica de raios X;deslocamento químico;aprendizagem de máquina;descritores de composição