-
公开(公告)号：CN119673322A
公开(公告)日：2025-03-21
申请号：CN202411398777.8
申请日：2024-10-08
Applicant: 上海大学
Abstract: 本发明公开了一种结合深度学习与多任务优化的钙钛矿氧化物OER催化剂的筛选方法，所述方法包括：1、从文献数据库中筛选出针对OER研究的钙钛矿氧化物的密度泛函理论DFT数据，清洗，构建数据集；2、利用中心环境特征模型提取特征，形成综合描述符数据集；3、基于提取的特征数据集，训练深度神经网络多任务学习回归模型，采用留一法交叉验证与损失函数结合，优化模型的泛化能力和预测精度；4、应用训练好的模型对大规模钙钛矿氧化物结构进行预测分析，实施多层筛选流程，包括电中性原则、容忍因子、八面体因子、过电位评估、安全性和经济性考量；5、实验验证。本发明所述方法具有高效、准确、系统等优点，为电催化材料的发现和应用开辟了新的道路。
Search Results
1
records
(took 0.036 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
