公开(公告)号：CN116935993A

公开(公告)日：2023-10-24

申请号：CN202310926617.5

申请日：2023-07-26

Applicant: 南昌大学

Inventor： 王允乾 ,  李恒 ,  曾斌

IPC: G16C20/70 ,  G16C60/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种指导薄膜纳米复合纳滤膜设计的多任务深度学习方法。包括：将纳米粒子大小，纳米粒子装填量，胺单体浓度和氯单体浓度作为待优化的目标参数并将其与其余参数相互组合得到输入数据，输入数据包括膜制造条件、膜性能、纳米颗粒材料性能和有机溶剂纳滤条件四类影响参数；将输入数据送入预测模型中；获取输入数据对应薄膜纳米复合纳滤膜的渗透率和选择性；判断输出的性能是否满足预期要求；如果满足要求则记录输入数据对应的膜制备条件用于指导薄膜纳米复合纳滤膜的设计；如果不满足要求则回到第一步继续优化目标参数。本发明能够降低训练成本，提高薄膜纳米复合纳滤膜预测精度并对其设计提供指导，促进高性能薄膜纳米复合纳滤膜设计。

公开(公告)号：CN118173192A

公开(公告)日：2024-06-11

申请号：CN202311547395.2

申请日：2023-11-20

Applicant: 南昌大学

Inventor： 王允乾 ,  李恒

IPC: G16C20/30 ,  G16C20/70 ,  G16C60/00 ,  G16C10/00 ,  G06F18/24 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明提出了一种优化的用于预测薄膜纳米复合反渗透膜性能与设计辅助决策的深度学习方法，将膜性质和纳米粒子材料性质两大类影响参数作为输入数据送入优化的深度学习模型中；通过学习策略对预测模型进行训练来改善模型的泛化能力；将纳米粒子大小和纳米粒子装填量作为待优化的目标参数，并将其余影响参数作为固定参数，通过组合目标参数和固定参数得到待验证的输入数据；将输入数据送入已完成训练的模型中；获取输入数据对应的控制水渗透率和控制盐截留率；判断预测得到的样本对应的性能是否符合要求；如果满足要求则记录对应的制备条件用于指导膜的设计。本发明以不错的精度预测薄膜纳米复合反渗透膜的性能并为其设计提供辅助决策。