[發明專利]一種自動構建材料定量結構性質模型的方法及系統

在審

• 申請號: 202010660389.8
• 申請日: 2020-07-10
• 公開（公告）號: CN111816266A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 楊小渝
• 申請（專利權）人: 北京邁高材云科技有限公司
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06N20/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

本發明涉及一種自動構建材料定量結構性質模型的方法及系統，該方法利用機器學習方法，基于目標材料體系的晶體結構和目標性質數據構成的數據集，自動循環迭代地訓練出QSPR材料結構?性質預測模型，并對目標材料體系進行晶體結構調控從而豐富結構樣本空間，并能自動地通過第一性原理計算得到調控后所產生的晶體結構性質，擴充訓練集，從而進一步訓練QSPR模型和測試，直至QSPR模型的測試結果達到預設精度，或晶體結構樣本空間窮盡。本發明的特點在于自動產生樣本數據、自我學習、自動訓練出滿足一定預測精度的“結構?性質”預測模型。

技術領域

本發明涉及材料基因工程和材料信息學領域，特別是涉及一種自動構建材料定量結構性質模型的方法及系統。

背景技術

在機器學習和材料信息學領域，材料的“定量結構性質模型”模型，也稱為QSPR模型，可有效輔助新材料設計，但是材料數據匱乏，以及模型構建涉及到多學科交叉，都增加了其難度，現有技術中還沒有能夠自動實現構建材料“定量結構性質模型”的方法及系統。

發明內容

本發明的目的是提供一種自動構建材料定量結構性質模型的方法及系統，能夠自動構建材料的定量結構性質模型。

為實現上述目的，本發明提供了如下方案：

一種自動構建材料定量結構性質模型的方法，包括：

確定目標材料體系和待預測的目標性質；

獲取所述目標材料體系的若干晶體結構，以及所述晶體結構對應的目標性質數據；

將所述晶體結構與其對應的目標性質數據一一對應構成初始的“結構-性質”數據對集；

利用機器學習方法，基于所述初始的“結構-性質”數據對集訓練QSPR模型，得到初始的QSPR模型；

對所述目標材料體系進行晶體結構調控，得到更多的晶體結構，構成晶體結構樣本空間；

從所述晶體結構樣本空間中獲取預設數量的晶體結構；

對所述預設數量的晶體結構分別開展第一性原理計算，對應得到預設數量的目標性質數據；

將所述預設數量的晶體結構和預設數量的目標性質數據一一對應構成用于模型測試的“結構-性質”數據對集，

根據所述用于模型測試的“結構-性質”數據對集對所述初始的QSPR模型進行測試；

判斷測試結果是否達到預設精度；

若是，則結束訓練，輸出所述初始的QSPR模型；

若否，則將所述用于模型測試的“結構-性質”數據對集添加到所述初始的“結構-性質”數據對集，得到增強的“結構-性質”數據對集；

利用所述增強的“結構-性質”數據對集重新訓練QSPR模型，得到改進的QSPR模型；

跳轉至步驟“從所述晶體結構樣本空間中獲取預設數量的晶體結構”，直至測試結果達到預設精度或所述晶體結構樣本空間窮盡。

可選的，所述目標材料體系，包括A_xB_yC_z，其中，A代表第一化學元素，B代表第二化學元素，C代表第三化學元素，x代表元素A的個數，y代表元素B的個數，z代表元素C的個數。

可選的，對所述目標材料體系進行晶體結構調控，得到晶體結構樣本空間，包括：

獲取第一化學元素A的多個同族元素D1，D2，D3…Dn；

將所述多個同族元素D1，D2，D3…Dn按照設定濃度百分比依次替代第一化學元素A，得到第二材料體系；

獲取第二材料體系的大量晶體結構；