[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡算法預測超導材料的方法及裝置

在審

• 申請?zhí)枺?/td>: 202010600263.1
• 申請日: 2020-06-28
• 公開（公告）號: CN111798940A
• 公開（公告）日: 2020-10-20
• 發(fā)明（設計）人: 項曉東;顧川川;許紹孟
• 申請（專利權）人: 南方科技大學
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06N3/08;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡算法預測新型超導材料的方法，所述方法利用深度神經(jīng)網(wǎng)絡預測超導材料的性能，基于現(xiàn)有材料的大數(shù)據(jù)并利用深度神經(jīng)網(wǎng)絡的機器學習方法，組合進化算法優(yōu)選與超導溫度有關的特征量，更迅速地優(yōu)化訓練誤差和測試誤差，提高預測準確度，能夠處理大量樣本數(shù)據(jù)，并較好的預測未知材料的超導性能，并為實驗及材料選擇提供依據(jù)。

技術領域

本發(fā)明涉及超導材料技術領域，尤其涉及一種基于深度神經(jīng)網(wǎng)絡算法預測超導材料的方法及裝置。

背景技術

材料科學已進入“大數(shù)據(jù)+人工智能”的第四科學范式的研發(fā)時代，尤其是在合成新型材料之前準確預測材料的特性，具有十分重要的科研和經(jīng)濟意義。超導材料由于零電阻和抗磁性等特性，在信息、能源和通信領域有著廣闊的應用前景，然而目前適合商業(yè)應用的超導材料寥寥無幾。

近百年來超導材料領域已經(jīng)積累了海量的實驗數(shù)據(jù)，是利用機器學習預測新型材料的優(yōu)良范本。目前，利用機器學習預測新型超導材料的方法主要包括隨機森林和支持向量機等回歸分析方法。這兩種方法都是基于數(shù)學上的最小二乘法來減小誤差，從而預測新的材料數(shù)據(jù)。其中，前者隨著樣品數(shù)據(jù)量的增大，訓練誤差和測試誤差在一定數(shù)據(jù)量(大約為幾百)上趨于飽和；后者只能處理小樣本空間，無法對大規(guī)模的數(shù)據(jù)進行歸納分析，因而只在鐵基超導材料中有使用，而且誤差較大。

因此，需要開發(fā)一種針對大量數(shù)據(jù)樣本進行機器學習用來預測新型材料的方法及裝置。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術中存在的問題，本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡算法預測新型超導材料的方法，通過已有的超導材料大數(shù)據(jù)建立深度神經(jīng)網(wǎng)絡，并利用所述建立的深度神經(jīng)網(wǎng)絡預測超導材料的性能，在搭建深度神經(jīng)網(wǎng)絡的同時采用進化算法優(yōu)選與超導溫度有關的特征量，更迅速地優(yōu)化訓練誤差和測試誤差，能夠較好的預測未知的超導材料，并為實驗及材料選擇提供依據(jù)。

為達此目的，本發(fā)明采用以下技術方案：

第一方面，本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡算法預測超導材料的方法，所述方法包括：利用深度神經(jīng)網(wǎng)絡預測超導材料的性能。

優(yōu)選地，所述方法包括如下步驟：

(1)根據(jù)超導材料樣本集，訓練并建立深度神經(jīng)網(wǎng)絡；

(2)利用步驟(1)所述深度神經(jīng)網(wǎng)絡預測超導材料的性能。

優(yōu)選地，步驟(1)中所述超導材料樣本集包括超導材料樣本的元素數(shù)據(jù)。

優(yōu)選地，所述超導材料樣本的元素數(shù)據(jù)包括元素性質。

本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡算法預測新型超導材料的方法，其中，深度神經(jīng)網(wǎng)絡算法相比于傳統(tǒng)的機器學習方法，更類似于人腦的思考模式，首先收集超導材料樣本集。之后，再利用建立深度神經(jīng)網(wǎng)絡模型，包括輸入層、隱含層和輸出層。輸入層為超導材料及其特征量；隱含層的功能是將已知的特征映射到未知的、復雜的特征量；輸出層為超導材料的超導溫度，從而利用所述深度神經(jīng)網(wǎng)絡模型預測超導材料的性能，如超導溫度；該方法相較于傳統(tǒng)的隨機森林和支持向量機等回歸分析方法，具有測試誤差小、樣本空間大等優(yōu)勢。

本發(fā)明中所述元素性質包括由超導材料分子式?jīng)Q定的元素基本性質，具體包括原子序數(shù)、周期數(shù)、s價電子數(shù)、總價電子數(shù)、未填充f電子數(shù)、絕對零度、下空間群、門捷列夫數(shù)、族數(shù)、p價電子數(shù)、未填充s電子數(shù)、總未填充電子數(shù)、絕對零度下能帶帶隙、原子質量、共價半徑、d價電子數(shù)、未填充p電子數(shù)、絕對零度的比體積、熔點、電負性、f價電子數(shù)、未填充d電子數(shù)和絕對零度下每個原子的磁矩。

本發(fā)明對所述元素性質的來源不做特殊限制，可采用任何能夠提供相關數(shù)據(jù)的來源，例如可以是Materials Agnostic Platform for Informatics and Exploration(Magpie)數(shù)據(jù)平臺提供的相關數(shù)據(jù)。