MXenes是一种有前途的润滑材料，其层间摩擦性能的精准高效预测对其功能化设计至关重要。文章融合了密度泛函理论（DFT）和机器学习（ML），以克服传统DFT计算效率低、ML模型可解释性差的缺点，构建并对比了4种高性能模型KNN、RF、GBR及DT，通过对特征的系统筛选及SHAP重要性分析技术，深入揭示了影响层间滑移能垒（ΔE）的关键特征。结果表明，层间距(d_layer)是影响ΔE的最关键因素，且它与ΔE之间存在显著的负相关关系。文章不仅实现了对ΔE精准的预测，更通过可解释性分析，为其提供了清晰的物理洞察。