随着机器学习算法的不断丰富与优化,数据挖掘技术的不断成熟与发展,人工智能方法已经渗透到了多个交叉领域学科,计算材料学就是其中之一。传统的材料计算方法虽然计算精度较高,但是存在着速度极慢的致命缺点。传统的新材料研究手段一般是通过大量反复的实验,通过不断的优化和试验,并利用大量的人工方法筛选能形成目标化合物的制备流程以及材料组的固定分配比。但是这种方法存在明显的缺点,即需要依靠纯粹经验和尝试来达成目标,需要通过不断的重复试验和不断的校正来尽可能的消除误差。这样的试错法不仅效率低,而且效果差,通常实验结果都不是很理想。所以,试错法将导致材料的研发周期过于漫长,方法过于单一,目的性不强等不足,这就给新材料的指导与研发带来了人力和物力上的重大负担。利用机器学习算法和数据挖掘技术来深入挖掘材料学的内部机理,可以达到精度和速度上的最优结合。通过材料学和信息学的结合与分析,设计了详细的数据挖掘实验步骤,包括数据采集、分析、清洗、特征提取、特征变换、特征选择及特征降维、算法训练、预测及评估等。解决相关材料学问题的首要任务是要收集相对应的数据。首先利用AiiDA高通量计算平台产生了实验所需的二元化合物带隙和形成数据集以及三元化合物带隙和形成数据集。接着利用二次编码的方法原始数据集中存在的空间群问题和原子坐标问题进行了数据预处理,并利用5折交叉验证的方式对数据集进行了科学合理的划分。然后将二元化合物带隙和形成能数据分别输入到支持向量回归、随机森林和梯度提升树这三种算法中,并做了相应的实验对比分析,发现梯度提升树算法表现最好,随机森林次之,支持向量回归表现最差。利用特征衍生、特征组合、PCA降维等数据挖掘方法对特征做进一步的更细致的挖掘,提高了预测精度。为了将梯度提升树算法更好的应用于三元化合物数据集,从误差函数二阶泰勒展开、加入正则项惩罚因子以及自定义分裂前后增益这三个方面对传统的梯度提升树算法进行了改进。接着在三元化合物带隙和形成能数据集上做了相应实验,发现改进的梯度提升树算法在两个数据集上的表现均要优于传统的梯度提升树算法。最后对改进的梯度提升树算法在训练和预测过程中产生的特征重要性进行分析,并将得到的结论应用于新材料的发现中。