-
公开(公告)号:CN116230115B
公开(公告)日:2024-07-30
申请号:CN202211608381.2
申请日:2022-12-14
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于机器学习和量子化学计算的相变吸收剂筛选方法,包括:获取关于活化剂的物化性质数据,搜集目标气体的吸收性能的所有性能指标,输入到计算机中,选择XGBoost算法来构建机器学习模块,把SHAP值作为输出模块,利用SHAP方法对模型进行解释;机器学习过程可以计算每个输入性质的SHAP值,SHAP值有正有负,正值为正贡献,负值为负贡献,其绝对值反映某一吸收性能的贡献程度特征,绝对值越大,说明贡献程度越高。通过上述输出结果,建立性质与性能的评价系统。基于此,可以快速定位影响某一CO2吸收性能最大的性质,并利用正负性准确判断性质模块和性能模块的关系,从而在后期工作中高效筛选出目标相变吸收剂,实现新型相变吸收剂的开发。
-
公开(公告)号:CN116230115A
公开(公告)日:2023-06-06
申请号:CN202211608381.2
申请日:2022-12-14
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于机器学习和量子化学计算的相变吸收剂筛选方法,包括:获取关于活化剂的物化性质数据,搜集目标气体的吸收性能的所有性能指标,输入到计算机中,选择XGBoost算法来构建机器学习模块,把SHAP值作为输出模块,利用SHAP方法对模型进行解释;机器学习过程可以计算每个输入性质的SHAP值,SHAP值有正有负,正值为正贡献,负值为负贡献,其绝对值反映某一吸收性能的贡献程度特征,绝对值越大,说明贡献程度越高。通过上述输出结果,建立性质与性能的评价系统。基于此,可以快速定位影响某一CO2吸收性能最大的性质,并利用正负性准确判断性质模块和性能模块的关系,从而在后期工作中高效筛选出目标相变吸收剂,实现新型相变吸收剂的开发。
-