-
公开(公告)号：CN115101149B
公开(公告)日：2024-05-24
申请号：CN202210767635.9
申请日：2022-06-30
申请人： 曲阜师范大学
IPC分类号： G16C60/00 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明提供了材料微观结构总能量预测方法。其从材料微观结构样本数据中获得一维序列样本数据，并对一维序列样本数据进行短时傅里叶变换，得到对应的二维时频谱图；构建注意力卷积神经网络模型，和将所有二维时频谱图输入到所述注意力卷积神经网络模型，以此对网络模型进行训练；将待测试材料样本对应的一维序列样本数据转换为二维时频谱图，再将待测试材料样本的二维时频谱图输入到完成训练的注意力卷积神经网络模型中，从而得到待测试样本的微观结构总能量预测结果；上述方法采用机器学习以及基于原子坐标构建体系总能量，对原子体系的大规模和长时间的分子动力学模拟，对材料的微观结构进行大空间和时间尺度的模拟，提高能量预测的精确性。
-
公开(公告)号：CN115101149A
公开(公告)日：2022-09-23
申请号：CN202210767635.9
申请日：2022-06-30
申请人： 曲阜师范大学
摘要： 本发明提供了材料微观结构总能量预测方法。其从材料微观结构样本数据中获得一维序列样本数据，并对一维序列样本数据进行短时傅里叶变换，得到对应的二维时频谱图；构建注意力卷积神经网络模型，和将所有二维时频谱图输入到所述注意力卷积神经网络模型，以此对网络模型进行训练；将待测试材料样本对应的一维序列样本数据转换为二维时频谱图，再将待测试材料样本的二维时频谱图输入到完成训练的注意力卷积神经网络模型中，从而得到待测试样本的微观结构总能量预测结果；上述方法采用机器学习以及基于原子坐标构建体系总能量，对原子体系的大规模和长时间的分子动力学模拟，对材料的微观结构进行大空间和时间尺度的模拟，提高能量预测的精确性。
-
公开(公告)号：CN107748161B
公开(公告)日：2020-02-18
申请号：CN201710728574.4
申请日：2017-08-23
申请人： 曲阜师范大学
摘要： 本发明提出一种基于吡啶‑希夫碱衍生物多波长比色区分痕量Fe2+和Fe3+的方法，本发明以2‑羟基‑1‑萘甲醛和2‑氨基‑3‑羟基吡啶为原料，设计制备了一种多波长显色剂杂环吡啶‑希夫碱衍生物N‑2’‑羟基‑1’‑萘亚甲基‑3‑羟基‑2‑氨基吡啶(NNAP)染料，目标染料集N‑杂吡啶环,–OH以及–C＝N–键等多种活性基团于一体，不仅大大提高稳定性，共轭效应，和对金属离子的配位能力，尤其是在优化条件下对痕量Fe2+和Fe3+具有优良的多波长选择性比色区分效果，该方法具有操作简单，选择性好，灵敏度高等优点，可准确的用于环境水样品中痕量Fe2+和Fe3+的比色检测和区分。
-
公开(公告)号：CN107748161A
公开(公告)日：2018-03-02
申请号：CN201710728574.4
申请日：2017-08-23
申请人： 曲阜师范大学
摘要： 本发明公开本发明提出一种基于吡啶-希夫碱衍生物多波长比色区分痕量Fe2+和Fe3+的方法，本发明以2-羟基-1-萘甲醛和2-氨基-3-羟基吡啶为原料，设计制备了一种多波长显色剂杂环吡啶-希夫碱衍生物N-2’-羟基-1’-萘亚甲基-3-羟基-2-氨基吡啶(NNAP)染料，目标染料集N-杂吡啶环,–OH以及–C＝N–键等多种活性基团于一体，不仅大大提高稳定性，共轭效应，和对金属离子的配位能力，尤其是在优化条件下对痕量Fe2+和Fe3+具有优良的多波长选择性比色区分效果，该方法具有操作简单，选择性好，灵敏度高等优点，可准确的用于环境水样品中痕量Fe2+和Fe3+的比色检测和区分。
-
-
-
搜索结果
4 条记录 (耗时 0.03 秒)
