公开(公告)号：CN112802563B

公开(公告)日：2024-04-12

申请号：CN202110067791.X

申请日：2021-01-19

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  刘勃 ,  田晓华

IPC: G16C60/00 ,  G06N20/00 ,  G06N20/10

Abstract: 一种基于机器学习的二维过渡金属硫化物带隙和能带结构预测方法及装置，涉及过渡金属硫化物性能预测领域，用以解决不同的机器学习模型由于没有选择合适的特征而影响层状材料的性能预测精度的问题。本发明技术要点包括将材料属性电负性、第一电离势和原子半径作为预测带隙和能带结构的特征向量，并按照原子属性和结构属性设计多种特征组合；根据不同机器学习模型在多种特征组合中挑选对应的最优特征组合；将最优特征组合输入其对应的机器学习模型进行模型训练，分别获取带隙预测模型和能带结构预测模型；根据带隙预测模型和能带结构预测模型对未知的二维过渡金属硫化物带隙和能带结构进行预测。本发明可用于进一步研究层状材料性能参数的预测。

公开(公告)号：CN112802563A

公开(公告)日：2021-05-14

申请号：CN202110067791.X

申请日：2021-01-19

Applicant: 哈尔滨理工大学

Inventor： 刘勃 ,  李述 ,  田晓华

IPC: G16C60/00 ,  G06N20/00 ,  G06N20/10

Abstract: 一种基于机器学习的二维过渡金属硫化物带隙和能带结构预测方法及装置，涉及过渡金属硫化物性能预测领域，用以解决不同的机器学习模型由于没有选择合适的特征而影响层状材料的性能预测精度的问题。本发明技术要点包括将材料属性电负性、第一电离势和原子半径作为预测带隙和能带结构的特征向量，并按照原子属性和结构属性设计多种特征组合；根据不同机器学习模型在多种特征组合中挑选对应的最优特征组合；将最优特征组合输入其对应的机器学习模型进行模型训练，分别获取带隙预测模型和能带结构预测模型；根据带隙预测模型和能带结构预测模型对未知的二维过渡金属硫化物带隙和能带结构进行预测。本发明可用于进一步研究层状材料性能参数的预测。