Связывающая энергия O 1s в XPS является ключевым индикатором для идентификации химической среды кислорода в неорганических материалах, широко применяется в областях новой энергии, катализа и мониторинга синтеза, но распознавание пиков между системами до сих пор зависит от большого количества экспериментальных проверок. В данной работе на основе данных связывающей энергии O 1s для 514 кислородосодержащих неорганических соединений построена модель машинного обучения, основанная только на химической формуле, которая позволяет предсказывать позиции пиков с низкими затратами и оценивать тенденции до эксперимента. При использовании исходных описателей состава средняя абсолютная ошибка (MAE) в модели градиентного бустинга (GB) составляет 0,505 эВ. Введение физических описателей, таких как сила катионного поля и доля переходных металлов, снизило MAE до 0,481 эВ, коэффициент детерминации R² повысился до 0,716, средний радиус катиона был определён как ключевая переменная, что подтверждается результатами XPS экспериментов для Ca₁₄Mg₅M₄O₂₅ (M=Al, Sc, Y). В системах с парами солей/оксидов модель прогнозирует относительные химические сдвиги с ошибкой MAE=0,339 эВ и R²=0,822. Этот метод может служить недорогим и интерпретируемым вспомогательным инструментом для анализа XPS сложных кислородосодержащих неорганических материалов.

зеленый эффективный анализ;рентгеновская фотоэлектронная спектроскопия;химический сдвиг;машинное обучение;описатели состава