数据与模型驱动的钙钛矿材料智能计算框架
程晋荣1, 何鹏飞1, 李艺欣2, 雷咏梅2(1.上海大学材料科学与工程学院)(2.上海大学计算机工程与科学学院)
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。
关键词: SISSO算法; 智能计算; 主动学习; 钙钛矿材料
目录介绍
1 前言
2 数据与模型双驱动的建模方法
2. 1 不同体系差异造成的精度问题
2. 2 参数优化模型驱动方法
3 材料数据的特征工程融合主动学习方法
3. 1 分衡SISSO算法设计
3. 2 主动学习和特征工程的融合框架
3. 2. 1 多重分层采样模块
3. 2. 2 异常点检测模块
3. 2. 3 贝叶斯优化模块
3. 3 主动学习和特征工程的融合框架实现流程
4 针对钙钛矿材料的实验结果及分析
4. 1 分布式SISSO特征工程对钙钛矿居里温度的预测
4. 1. 1 DB-SISSO特征工程模型构建钙钛矿基础描述符
4. 1. 2 钙钛矿多维描述符模型验证
4. 2 钙钛矿材料主动学习和特征工程的融合框架
4. 2. 1 钙钛矿材料实验结果
4. 2. 2 外部材料验证结果
5 结论
©软件著作权归作者所有。本站所有文件均来源于网络，仅供学习使用，请支持正版！
转载请注明出处！
发表评论 取消回复