公开(公告)号：CN117037140A

公开(公告)日：2023-11-10

申请号：CN202311030260.9

申请日：2023-08-16

Applicant: 南京工业大学

Inventor： 万夕里 ,  卞东浩 ,  管昕洁

IPC: G06V20/64 ,  G06V20/69 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985 ,  G16C60/00 ,  G16C20/30 ,  G16C20/70

Abstract: 本发明公开了一种基于深度学习的钙钛矿性质预测方法，本发明将钙钛矿材料表示为点云数据，在Atom Point Transformer层中使用高斯注意力掩模编码原子间的几何位置关系，从而引入了完整的局部空间几何信息。本方法直接以CIF文件作为输入，避免了对钙钛矿材料的结构进行人为预处理，有效提取了钙钛矿材料的特征信息，解决了传统机器学习方法依赖人工特征的问题，成功实现对于钙钛矿性质快速高精度的预测。

公开(公告)号：CN117649896A

公开(公告)日：2024-03-05

申请号：CN202311645831.X

申请日：2023-12-01

Applicant: 南京工业大学

Inventor： 万夕里 ,  卞东浩 ,  管昕洁

IPC: G16C20/30 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于图神经网络的钙钛矿性质预测方法，采用基于注意力机制的图神经网络模型作为预测模型对钙钛矿各项性质进行预测；构建预测模型步骤包括：将钙钛矿晶体结构表示成图结构用于图神经网络模型的输入；构建基于注意力机制的图神经网络模型用于钙钛矿性质的预测；将图结构作为样本数据，用于预测模型的输入，进行预测模型的训练和测试过程，验证预测模型的预测效果。将训练完成的预测模型用于实际预测。本发明将钙钛矿材料表示为图数据，通过考虑每个节点与其邻居之间的距离向量，预测模型可以学习更全面的拓扑和空间几何结构信息。通过引入注意力机制，预测模型可以学习相邻原子之间的局部关系和原子对材料性质的总体贡献。