特征融合的卷積神經(jīng)網(wǎng)絡(luò)材料性質(zhì)預測模型

打開文本圖片集

摘 要：針對目前大多數(shù)機器學習模型預測材料性質(zhì)時需要大量的先驗知識以及特征向量篩選困難的問題，基于電子軌道矩陣和元素周期表法兩種描述符，通過特征融合的方式，設(shè)計了一種卷積神經(jīng)網(wǎng)絡(luò)模型OPCNN（Orbital of electron and Periodic table CNN）。實驗數(shù)據(jù)表明，OPCNN與其他預測模型相比，在帶隙、生成熱以及形成能數(shù)據(jù)集上都有著更好的性能，平均絕對誤差分別為0.26eV、0.037KJ/mol和0.073eV/atom，且R2都達到了91%以上。（剩余14217字）