公开(公告)号：CN118098412A

公开(公告)日：2024-05-28

申请号：CN202410143555.5

申请日：2024-02-01

Applicant: 哈尔滨理工大学

Inventor： 王雅 ,  张桂玲 ,  董禹歧 ,  于红 ,  胡玚玚 ,  尚岩 ,  裴蕾 ,  杨照地

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/126

Abstract: 本发明提供了一种双金属原子催化剂性能预测方法、装置及计算机设备，属于电催化技术领域，包括如下步骤：获取双金属原子催化剂的化学数据集；将化学数据集输入Transformer神经网络中，对Transformer神经网络进行训练，得到Transformer神经网络的适应度函数；提取Transformer神经网络中待优化的参数矩阵；使用遗传算法对参数矩阵进行迭代优化，并使用适应度函数对优化后的参数矩阵进行判定，直至得到参数矩阵最优的Transformer神经网络；使用参数矩阵最优的Transformer神经网络对双金属原子催化剂的性能进行预测。本发明能够防止过拟合现象的发生，从而进行准确的预测。

公开(公告)号：CN117095755A

公开(公告)日：2023-11-21

申请号：CN202310935143.0

申请日：2023-07-28

Applicant: 哈尔滨理工大学

Inventor： 张桂玲 ,  董禹岐 ,  王雅 ,  尚岩 ,  于红 ,  胡玚玚 ,  杨照地 ,  裴蕾

IPC: G16B50/00 ,  G06N20/00

Abstract: 本发明公开了一种预测高压环境下共价有机框架碳捕获性能的方法，包括步骤1：建立数据库步骤2：通过数据库数据训练能够得到准确预测的机器学习模型；本方法通过将高通量平台和机器学习策略相结合，可以快速准确的创建机器学习原始数据集，节省了大量计算耗时；同时利用本方法建立的模型比传统的机器学习模型有着更强的泛化能力，并且可以通过较少的输入信息即可预测出材料的碳捕集性能，极大地加速了材料的研发速度，具有速度快、准确率高、成本低的特点。