-
公开(公告)号：CN113689918A
公开(公告)日：2021-11-23
申请号：CN202110701829.4
申请日：2021-06-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种预测金属有机骨架材料催化二氧化碳性能的方法，首先确定预测金属有机骨架材料催化固定二氧化碳的特征参数，收集数据，建立机器学习预测的数据集；其次，对数据进行数据预处理；建立机器学习模型；将样本中金属有机骨架的特征和反应物的特征参数作为模型输入，待预测金属有机骨架性能作为模型输出，训练机器学习模型；将新的待预测金属有机骨架的特征参数输入到机器学习模型中，输出新的待预测材料催化性能；分析结果，找到金属有机骨架材料结构与性能之间的关系。本发明能够大规模的筛选出性能优异的催化剂材料，以解决现材料开发中的阻碍，材料设计的时间和成本高等问题。
-
公开(公告)号：CN119149743A
公开(公告)日：2024-12-17
申请号：CN202411236890.6
申请日：2024-09-04
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于大语言模型的材料科学文献知识重构方法。目前的研究集中于从文献中提取特定的化学成分、合成细节或属性信息，这些信息较为零散，并不完整。提取合成程序的方法也缺乏灵活性和通用性，导致其应用和扩展性受到了限制。本发明以GPT‑4为代表的大语言模型在从文献中提取信息、理解和生成化学数据中表现出了卓越的能力，用于精确地提取材料文献中复杂的合成路线。该方法不仅能够提取无机材料中前驱体、原材料、合成方法、产物、合成步骤、合成条件的信息，还能全面反映合成过程的逻辑关系。最后，合成路线以结构化的JSON数据进行存储和利用，帮助研究人员获得有价值的信息和见解。
-
Search Results
2
records
(took 0.014 seconds)
