[發明專利]一種基于神經網絡的石墨烯缺陷改性預測方法

有效

• 申請號: 201910870167.6
• 申請日: 2019-09-16
• 公開（公告）號: CN110647989B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 請求不公布姓名
• 申請（專利權）人: 長春師范大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G01R31/00
• 代理公司: 重慶三航專利代理事務所(特殊普通合伙) 50307
• 代理人: 萬文會

本發明涉及一種石墨烯缺陷改性預測方法，具體是一種基于神經網絡的石墨烯缺陷改性快速預測方法。本發明利用第一性原理計算不同缺陷構型鋸齒型石墨烯納米帶的電特性，構建模型訓練、驗證和測試數據集，然后利用構建好的數據集對神經網絡模型進行訓練，從而實現石墨烯電特性的快速預測。本發明提出的模型能對具有不同拓撲缺陷的鋸齒型石墨烯納米帶電特性進行快速預測，極大地節省了第一性原理計算時間，為石墨烯納米帶電特性調控提供有效技術手段，對石墨烯納米帶電特性精確調控具有重要意義。

技術領域

本發明涉及一種石墨烯缺陷改性預測方法，特別涉及一種基于神經網絡的石墨烯缺陷改性預測方法。

背景技術

石墨烯因其特殊的二維納米結構和優異的電學性質，一直備受研究者的關注。研究表明石墨烯的電學特性與其拓撲結構密切相關，不同邊緣結構的石墨烯納米帶的電特性不同。當石墨烯在生長和加工過程中引入缺陷時，其電學特性也會發生改變。

機器學習為計算材料科學從手工時代進入工業化階段提供了有效技術手段。近幾年，由于二維納米材料特殊的結構特征和優異的電學特性一直備受關注。作為二維納米材料的鼻祖石墨烯，被譽為硅的絕佳替代品是下一代理想的芯片材料。將機器學習用于石墨烯納米材料中還很少，利用機器學習模型對具有不同拓撲缺陷的石墨烯納米帶電特性進行快速預測，可極大地節省第一性原理計算時間，對石墨烯納米帶電特性精確調控具有重要意義。

本發明為實現上述目的所采用的技術方案是：一種基于神經網絡的石墨烯缺陷改性預測方法，包括以下步驟：

（1）利用第一性原理計算不同缺陷構型的鋸齒型石墨烯納米帶的電特性；

（2）將具有缺陷構型的鋸齒型石墨烯納米帶結構進行矩陣表示；

（3）構建數據集，將第一性原理計算得到的數據分為訓練數據集和測試數據集，并設置標簽；

（4）將構建好的訓練數據輸入到神經網絡模型中進行模型訓練；

（5）將測試數據輸入到訓練好的神經網絡模型中進行驗證；

（6）將具有新的拓撲缺陷的鋸齒型石墨烯納米帶結構輸入模型，進行分類預測（半導體性或者金屬性質），并利用第一性原理對該石墨烯納米帶電特性進行計算，驗證分類結果。

所述第一性原理具體采用密度泛函理論。

所述鋸齒型石墨烯納米帶長度L=N，寬度W=M，其中N表示長度方向上C原子的個數，M為寬度方向上C原子的個數。

所述訓練數據集為總數據集的70%，驗證數據集為20%，測試數據集10%，半導體性標簽為1，金屬性標簽為0；

所述石墨烯納米帶結構矩陣，僅包含0和1兩種元素，其中用0表示C-C鍵，用1表示C-Vacancy（Vacancy-C、Vacancy-Vacancy）鍵；

所述神經網絡模型，其中包含1層輸入層（輸入特征值個數為 N₁+ M₁+1）、1層隱含層（隱含層的節點數為）和1層輸出層（節點數為2，分別表示金屬性和半導體性）。激活函數采用Sigmod函數：

本發明優點如下：

本發明提出的模型能對具有不同拓撲缺陷的鋸齒型石墨烯納米帶電特性進行快速預測，極大地節省了第一性原理計算時間，為石墨烯納米帶電特性調控提供技術支持。

附圖說明

圖1是本發明的流程圖；

圖2是預測模型結構圖。