公开(公告)号：CN117558368A

公开(公告)日：2024-02-13

申请号：CN202311292083.1

申请日：2023-10-08

Applicant: 南京信息工程大学

Inventor： 张磊 ,  黄艺如

IPC: G16C60/00 ,  G16C20/30 ,  G16C20/70 ,  G16C10/00 ,  G06F40/216 ,  G06N20/00

Abstract: 本发明公开了一种定位光伏材料PtSe2的文献挖掘与材料性质预测方法，本方法通过获取物理、化学和材料领域的英文文献摘要数据库；将摘要数据库进行预处理，去除干扰词和标点符号；调整参数，进行词向量嵌入训练，生成模型；根据模型进行太阳能电池材料的预测，通过时间维度去验证模型的准确性；通过第一性原理去计算验证预测项是否是合适的太阳能电池材料；通过本方法能够极大减少通过常规方法寻找新型太阳能电池的合适材料所花费的大量人力、物力成本，且通过时间维度的验证模块确保验证结论正确，保障本预测方法的准确率。

公开(公告)号：CN117558369A

公开(公告)日：2024-02-13

申请号：CN202311296291.9

申请日：2023-10-08

Applicant: 南京信息工程大学

Inventor： 张磊 ,  黄艺如 ,  李卓轩

IPC: G16C60/00 ,  G16C20/70 ,  G16C20/90 ,  G06N3/0442 ,  G06N5/01 ,  G06N3/08 ,  G06F16/951

Abstract: 本发明公开了一种基于文献数据驱动的材料制备数据库自动建立方法，通过网络爬虫、神经网络和分类树等方法建立了一个关于铅卤钙钛矿太阳能电池制备的小型数据库，并对其进行了数据清洗，随后对数据库进行了数据统计，通过网络爬虫和数据清洗，建立较为完善的数据库，以电脑代替人工，大大减少人力成本；通过相关算法建立钙钛矿数据库，可帮助针对提高钙钛矿太阳能电池转换效率和环保性并缩短研发周期，且该方法相对于传统实验获取数据成本低廉，建立数据库后，我们对其进行了数据分析，统计了元素、基团、操作步骤以及合成步骤等出现频率，可帮助后续钙钛矿太阳能电池研发。

公开(公告)号：CN119782529A

公开(公告)日：2025-04-08

申请号：CN202411862384.8

申请日：2024-12-17

Applicant: 南京信息工程大学

Inventor： 张磊 ,  游家学 ,  葛敬豪 ,  黄艺如 ,  刘生忠 ,  任广禹

IPC: G06F16/35 ,  G06F40/284 ,  G06F18/22 ,  G06F18/213

Abstract: 本发明公开了一种利用机器学习预测中间相辅助钙钛矿相纯化的方法和钙钛矿电池，属于薄膜太阳能电池技术领域。该方法采用基于自然语言处理（NLP）的机器学习技术分析与该钙钛矿有关的文献，获得多个聚集簇，将聚集簇进行降维并可视化处理后，在可视化处理结果上计算中间相和聚集簇中相关物质的余弦值相似度与欧式距离，获得最终能够促进钙钛矿结晶的物质，该方法能够预测出实现钙钛矿太阳能电池所需相纯化的合适添加剂，该方法采用的机器学习预测钙钛矿中的添加剂相较于人们从大量化学药品中挑选而言更加快速准确。

公开(公告)号：CN117932091A

公开(公告)日：2024-04-26

申请号：CN202410130039.9

申请日：2024-01-30

Applicant: 南京信息工程大学

Inventor： 张磊 ,  黄艺如

IPC: G06F16/38 ,  G06F16/383 ,  G06F40/284 ,  G06F40/289 ,  G06N3/126 ,  G06N5/01 ,  G06N20/00

Abstract: 本发明公开了一种基于文本描述符的材料设计方法，包括以下步骤：步骤1：通过利用百万文献数据库，设计了混合描述符并将其输入到机器学习模型中进行训练测试；步骤2：对该混合描述符所得到的材料名称与性质的相关趋势，同时对不含文本描述符的模型进行准确率验证；步骤3：基于文本描述符训练算法模型，并得到第一性原理计算模型；步骤4：以该混合描述符为核心预测位置空间，并分析其值的区间分布；本发明通过获取百万文献摘要并降维设计文本描述符，并结合遗传算法等其它模态数据，大大提高模型训练测试的准确率以及预测验证的准确率，且大量地节省了人力、物料成本，解决小数据训练模型准确率低、预测效果不佳而大数据驱动成本高昂的问题。

公开(公告)号：CN117577220A

公开(公告)日：2024-02-20

申请号：CN202311297525.1

申请日：2023-10-08

Applicant: 南京信息工程大学

Inventor： 张磊 ,  黄艺如

IPC: G16C20/50 ,  H10K71/15 ,  G16C20/70

Abstract: 本发明公开了一种结合机器学习的MAPbI3五元溶剂设计方法，通过DMSO、DMF、Toluene、NMP、GBL为溶剂，制备MAPbI3前驱液，并将纳米级的TiO2涂覆在FTO表面并烧结，随后在其表面加热使MAPbI3结晶成薄膜，通过相关测试观察到制备得到的MAPbI3薄膜材料具有更良好的光电效应，为验证其准确性利用DFT(密度泛函理论)验证其机理；本发明通过相关测试能够观察到其相比于单一使用DMSO、DMF作为溶剂具有更好的光电响应；以改良后的溶剂作为前驱液制备的MAPbI3具有更高的稳定性；在机器学习过程中，使用可解释的描述符，可以更好地分析其机理，具有较好的应用意义；相比于传统实验获得结果，本设计方案成本更加低廉有效。