基于数据驱动的材料释氧性能分析预测与筛选方法、系统、介质
技术特征:
1.一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,s1中,所述数据集构建过程包括:
3.根据权利要求2所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,
4.根据权利要求2所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,s1-3中,所述数字化提取的过程包括:
5.根据权利要求4所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,对xrd数据进行结构化处理与热重曲线数据提取过程中,包括:
6.根据权利要求1所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,所述机器学习模型包括卷积神经网络、人工神经网络、随机森林、transformer中的一种或多种,所述机器学习模型用于实现材料释氧性能的回归预测。
7.根据权利要求1所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,s3中,所述高通量筛选包括以下步骤:
8.根据权利要求7所述的一种基于数据驱动的材料释氧性能分析预测与筛选方法,其特征在于,所述开源晶体数据库包括materials project database、open quantummaterials database、inorganic crystal structure database、powder diffractionfile database中的一种或多种。
9.一种基于数据驱动的材料释氧性能分析预测与筛选系统,其特征在于,包括:
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令的存储介质在由计算机处理器执行时,用于执行如权利要求1至8中任一项所述的基于数据驱动的材料释氧性能分析预测与筛选方法。
技术总结
本发明涉及一种基于数据驱动的材料释氧性能分析预测与筛选方法、系统、介质,其中方法包括:对研究释氧材料的已公开发表文献数据进行文本挖掘,获取材料的结构信息与释氧性能相关数据,构建“材料结构‑释氧性能”一体化数据集;基于数据集,构建机器学习模型,输入材料结构特征得到对于释氧性能的回归预测;基于开源晶体数据库获取可能的释氧材料的结构数据,输入至已训练优化的模型,实现释氧材料的高通量筛选。与现有技术相比,本发明从已公开发表的文献中挖掘数据,并通过机器学习模型构建材料结构数据与释氧性能之间的映射关系,成本低、可靠性高,大幅缩减了释氧材料的筛选范围,避免了传统的材料实验测试耗时费力等问题。
技术研发人员:汤红健,江宇泷,段伦博,吴子余,杜翰斌,施晨晖
受保护的技术使用者:东南大学
技术研发日:
技术公布日:2024/12/2
技术研发人员:汤红健,江宇泷,段伦博,吴子余,杜翰斌,施晨晖
技术所有人:东南大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除