特征融合的卷积神经网络材料性质预测模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对目前大多数机器学习模型预测材料性质时需要大量的先验知识以及特征向量筛选困难的问题，基于电子轨道矩阵和元素周期表法两种描述符，通过特征融合的方式，设计了一种卷积神经网络模型OPCNN（Orbital of electron and Periodic table CNN）。实验数据表明，OPCNN与其他预测模型相比，在带隙、生成热以及形成能数据集上都有着更好的性能，平均绝对误差分别为0.26eV、0.037KJ/mol和0.073eV/atom，且R2都达到了91%以上。（剩余14217字）

试读结束

目录
monitor