公开(公告)号：CN119400316A

公开(公告)日：2025-02-07

申请号：CN202411485595.4

申请日：2024-10-23

Applicant: 西北工业大学

Inventor： 杨宁 ,  魏伟 ,  郭雷 ,  胡林 ,  方俊

IPC: G16C60/00 ,  G16C20/30 ,  G16C20/70 ,  G06F18/243 ,  G06F18/25 ,  G06F18/213 ,  G06N20/20

Abstract: 本发明提供了一种基于机器学习的钙钛矿氧化物的热力学稳定性筛选方法。首先，获取钙钛矿氧化物的原子核外能和形成能数据，并提取与热力学稳定性强相关的特征描述符；然后，利用特征描述符对机器学习模型进行训练；最后，利用训练好的模型筛选稳定的钙钛矿氧化物。本发明基于钙钛矿描述符和机器学习进行钙钛矿材料热力学稳定性能的预测，能够提高预测的精度和效率，减少实验资源的浪费，具有自动化、高通量、准确性高、适用性广的优点。

公开(公告)号：CN119479938A

公开(公告)日：2025-02-18

申请号：CN202411600467.X

申请日：2024-11-11

Applicant: 西北工业大学

Inventor： 杨宁 ,  胡林 ,  方俊 ,  魏伟

IPC: G16C60/00 ,  G06F30/27 ,  G06F17/18 ,  G06F18/27 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于卷积神经网络和局部加权线性回归的金属极化曲线预测方法，包括：获取金属含量与金属极化曲线数据；获取自腐蚀电流；构建极化参数预测网络；构建极化曲线卷积网络，并进行训练；预测金属极化曲线数据。本发明通过数据的清洗和整合，数据的平滑处理以及数据的归一化处理，以准确地建立金属含量与极化曲线的关系，从而利用神经网络对合金腐蚀行为的金属极化曲线进行精确预测。

公开(公告)号：CN119339832A

公开(公告)日：2025-01-21

申请号：CN202411587655.3

申请日：2024-11-08

Applicant: 西北工业大学

Inventor： 杨宁 ,  方俊 ,  魏伟 ,  胡林

IPC: G16C20/30 ,  G06N3/096 ,  G06N3/045 ,  G16C20/70 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/764 ,  G06N3/084

Abstract: 本发明公开了一种基于机器学习的有机光伏材料性能预测方法，首先再有标签数据集上训练一个模型，称为教师模型；然后在未标注数据集上进行标签预测，预测最后一层；接下来训练一个新的模型称为学生模型，将有标注数据集和无标注数据集，然后基于这个大数据集进行训练；最后将学到的学生模型重新对无标注数据集进行打标签，回到第二步中，循环迭代即可得到最终的机器学习预测模型。本发明能通过不断循环迭代学生模型和教师模型提升模型准确率。