[發明專利]一種基于多模態學習的材料性能預測方法及系統

有效

• 申請號: 202110807296.8
• 申請日: 2021-07-16
• 公開（公告）號: CN113362915B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 錢權;曾毅;韓越興;張瑞
• 申請（專利權）人: 上海大學
• 主分類號: G16C60/00
• 分類號: G16C60/00;G16C20/70;G06N3/04;G06N3/08
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 馮靜

1.一種基于多模態學習的材料性能預測方法，其特征在于，所述預測方法包括如下步驟：

建立訓練樣本集；所述訓練樣本集中包括不同材料樣本的成分參數、非成分參數和性能參數，所述非成分參數包括工藝參數和結構參數；

采用模態映射方法，將材料樣本的成分參數進行模態變換，獲得材料樣本的灰度圖像；

將材料樣本的灰度圖像和非成分參數作為多模態模型的輸入，將材料樣本的性能參數作為多模態模型的輸出，對多模態模型進行訓練，獲得訓練后的多模態模型；所述多模態模型包括多個第一卷積層、第一注意力層、多個第一線性層、第二卷積層、第二注意力層和第二線性層；多個所述第一卷積層依次連接，位于最后端的第一卷積層的輸出端與第二卷積層的第一輸入端連接；多個所述第一線性層依次連接，位于最前端的第一線性層的輸入端與所述第一注意力層的輸出端連接，位于最后端的第一線性層的輸出端與所述第二卷積層的第二輸入端連接；所述第二卷積層的輸出端與所述第二注意力層的輸入端連接，所述第二注意力層的輸出端與第二線性層的輸入端連接；位于最前端的第一卷積層的輸入端用于輸入灰度圖像，第一注意力層的輸入端用于輸入非成分參數；第二線性層的輸出端用于輸出性能參數預測結果；

采用模態映射方法，將待測材料的成分參數進行模態變換，獲得待測材料的灰度圖像；所述模態映射方法的實現步驟為：對成分參數進行成分特征處理，獲得成分參數的多個元素級特征；對成分參數的多個元素級特征進行統計分析，獲得成分參數的每個元素級特征的多個統計分析特征；分別將成分參數的每個元素級特征的每個統計分析特征映射到區間[0，255]，構建包含成分參數的每個元素級特征的每個統計分析特征的映射值的灰度圖像；

將待測材料的灰度圖像和成分參數輸入訓練后的多模態模型，獲得待測材料的性能參數預測結果。

2.根據權利要求1所述的基于多模態學習的材料性能預測方法，其特征在于，所述第一注意力層或所述第二注意力層均采用注意力機制；

所述注意力機制的輸入數據與輸出結果直接滿足如下關系式：

其中，Query、Key和Value分別表示輸入數據的Query矩陣、Key矩陣和Value矩陣，表示輸入數據維數的平方根，Softmax為操作函數，attention(Query、Key，Value)表示注意力機制的輸出結果。

3.根據權利要求1所述的基于多模態學習的材料性能預測方法，其特征在于，所述建立訓練樣本集，之后還包括：

對所述訓練樣本集中的材料樣本數據進行數據清洗。