La energía de enlace O 1s en XPS es un indicador clave para identificar el entorno químico del oxígeno en materiales inorgánicos, ampliamente utilizada en los campos de las nuevas energías, la catálisis y la monitorización de síntesis, pero la asignación de picos a través de sistemas todavía depende de numerosos experimentos de validación. Este artículo, basado en datos de energía de enlace O 1s de 514 compuestos inorgánicos que contienen oxígeno, construye un marco de predicción por aprendizaje automático impulsado únicamente por la fórmula química, utilizado para la estimación de baja costo de las posiciones de picos antes del experimento y la evaluación de tendencias. Con los descriptores de composición originales, el error absoluto medio (MAE) de la prueba del modelo de regresión de gradiente (GB) fue de 0,505 eV. Después de introducir descriptores inspirados físicamente, como la intensidad del campo catiónico y la proporción de metales de transición, el MAE se redujo a 0,481 eV, el coeficiente de determinación R² aumentó a 0,716, el radio catiónico medio fue identificado como la variable clave y se respaldó con resultados experimentales de XPS de Ca₁₄Mg₅M₄O₂₅ (M = Al, Sc, Y). En sistemas acoplados de sal/óxido, el modelo alcanzó predicciones del desplazamiento químico relativo con MAE=0,339 eV y R²=0,822. Este método puede proporcionar una referencia de apoyo de bajo costo y explicable para el análisis XPS de materiales inorgánicos complejos que contienen oxígeno.

Análisis verde y eficiente;Espectroscopía de fotoelectrones de rayos X;Desplazamiento químico;Aprendizaje automático;Descriptores de composición