数据与模型驱动的钙钛矿材料智能计算框架
摘要: 钙钛矿材料因其复杂的化学成分、多样的晶体结构和丰富的物理特性, 成为现代材料科学研究热点之一。结合模型驱动方法和数据驱动方法, 构建特征工程融合主动学习的材料智能计算框架, 提高模型精度和系统性能。通过数据布局和动态调度协同优化, 提出针对材料特征的确定独立筛选和稀疏算子(SISSO)并行计算方法, 缓解SISSO 算法在建立特征工程模型时面临的精度较低与计算成本较高的问题, 降低数据质量对模型的影响。构建面向材料数据的主动学习方法, 以处理材料数据标记的复杂性, 剔除噪声数据。
