-
公开(公告)号：CN112396134B
公开(公告)日：2021-07-02
申请号：CN202110076244.8
申请日：2021-01-20
Applicant: 季华实验室
Abstract: 本发明涉及数据处理技术领域，具体公开了一种发光材料性质的预测方法、系统、电子设备和存储介质，包括以下步骤：将发光材料的样本数据输入第一深度学习模型中训练，得到第二深度学习模型；获取待预测发光材料的化学结构简式的第一图像数据；对所述第一图像数据进行增强得到第二图像数据；将所述第二图像数据输入到第二深度学习模型中，对发光材料的发光性质进行预测。本发明提供的技术方案通过采用深度学习的人工智能的方法，因此可以自动化地预测发光材料的发光性质，从而大幅度降低了人工验证发光材料性质的成本，进而加速了发光材料研发的进程。
-
公开(公告)号：CN112396134A
公开(公告)日：2021-02-23
申请号：CN202110076244.8
申请日：2021-01-20
Applicant: 季华实验室
Abstract: 本发明涉及数据处理技术领域，具体公开了一种发光材料性质的预测方法、系统、电子设备和存储介质，包括以下步骤：将发光材料的样本数据输入第一深度学习模型中训练，得到第二深度学习模型；获取待预测发光材料的化学结构简式的第一图像数据；对所述第一图像数据进行增强得到第二图像数据；将所述第二图像数据输入到第二深度学习模型中，对发光材料的发光性质进行预测。本发明提供的技术方案通过采用深度学习的人工智能的方法，因此可以自动化地预测发光材料的发光性质，从而大幅度降低了人工验证发光材料性质的成本，进而加速了发光材料研发的进程。
-
-
公开(公告)号：CN113470761A
公开(公告)日：2021-10-01
申请号：CN202111032103.2
申请日：2021-09-03
Applicant: 季华实验室
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种发光材料性质预测方法、系统、电子设备和存储介质，发光材料性质预测方法包括：对无标签的发光材料分子数据进行节点层面的预训练，训练结果作为第一编码器；第一编码器对无标签的发光材料分子数据进行编码，标签从无的发光材料分子数据中抽取出发光材料分子中预定义的官能团，对所述官能团进行分组并组成序列，将序列作为自监督学习的标签进行训练，训练结果作为第二编码器；使用所述第二编码器对待预测的发光材料分子数据进行编码，对待预测的发光材料的性质进行预测。本发明通过设计节点层面和图层面的建模方法，让分子结构更好地被表征，解决了现有方法中出现的特征丢失问题。
-
-
-
Search Results
4
records
(took 0.025 seconds)
