一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法技术

本发明专利技术公开了一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法，包括建立样本集、生成描述符、划分训练集和测试集、选出建模的最优特征子集、构建快速预报模型、预报测试集样本的带隙、开发完成在线预报应用程序，并实现快速预测有机无机杂化钙钛矿带隙数值。本发明专利技术通过来源于数据库中的样本数据，建立了高效快捷的预报模型，开发了快速预报有机无机杂化钙钛矿的在线预报应用程序，可通过网址和手机微信二维码进行访问使用，具有简单便捷、成本低廉、绿色环保的优点。使用本发明专利技术中的应用程序在线预报有机无机杂化钙钛矿的带隙，能帮助实验研究人员避免实验“试错法”的盲目性，节约实验时间和成本，提高材料研发效率。

【技术实现步骤摘要】
一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法
本专利技术涉及有机无机杂化钙钛矿在光学领域的应用，是一种基于机器学习预报有机无机杂化钙钛矿带隙的在线预报方法，应用于设计特定带隙的有机无机杂化钙钛矿新材料以及高通量筛选。
技术介绍
钙钛矿由于其稳定的晶体结构、独特的理化性质而逐渐成为新材料开发研究的热点。有机无机杂化钙钛矿因其价格低廉，适应性和稳定性良好，且电子结构可调，是一种有前途的磁、光和电学性能的重要材料。近年来有机无机杂化钙钛矿太阳能电池的光电转化效率迅速增长至23％以上，被广泛用作高效的太阳能敏化剂，在光伏领域中表现出了巨大的发展潜力。此外，它们还具有限制光诱导载流子重组和进一步改善可见光照射下光催化性能的潜在优势，在光催化分解水制氢及光催化降解有机污染物方面具有很好的应用前景。带隙(BandGap)是导带的最低点和价带的最高点的能量之差，也称能隙，符号为Eg。在光电转化过程中，有机无机杂化钙钛矿作为太阳敏化剂，其带隙是光电转换效率的重要影响因素之一，因此，选择具有合适带隙的半导体是重要步骤。目前带隙的数值本文档来自技高网...

【技术保护点】
1.一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法，其特征在于，包括如下步骤：/n1)建立样本集：/n从数据库中收集有机无机杂化钙钛矿材料的化学式和对应的带隙数值，作为机器学习的数据集样本；/n2)生成描述符：/n利用已收集到的数据，根据化学式计算A位有机阳离子的物化性质并结合原子参数生成描述符，对缺损数值的样本进行删除处理；/n3)划分训练集和测试集：/n将在所述步骤1)中得到的数据集样本随机划分为训练集和测试集；/n4)选出建模的最优特征子集：/n以在所述步骤1)中收集到的带隙为目标变量，用遗传算法嵌套支持向量机算法，对训练集进行特征筛选，选出建模的最优特征子集；/n5)构建...

【技术特征摘要】
1.一种基于机器学习快速预测有机无机杂化钙钛矿带隙的在线预报方法，其特征在于，包括如下步骤：
1)建立样本集：
从数据库中收集有机无机杂化钙钛矿材料的化学式和对应的带隙数值，作为机器学习的数据集样本；
2)生成描述符：
利用已收集到的数据，根据化学式计算A位有机阳离子的物化性质并结合原子参数生成描述符，对缺损数值的样本进行删除处理；
3)划分训练集和测试集：
将在所述步骤1)中得到的数据集样本随机划分为训练集和测试集；
4)选出建模的最优特征子集：
以在所述步骤1)中收集到的带隙为目标变量，用遗传算法嵌套支持向量机算法，对训练集进行特征筛选，选出建模的最优特征子集；
5)构建快速预报模型：
利用支持向量机回归算法和步骤4)中筛选好的特征变量进行建模，然后进行超参数优化，最后建立出最优的有机无机杂化钙钛矿材料带隙的快速...

【专利技术属性】
技术研发人员：张诗琳，李敏杰，陆文聪，卢天，陶秋伶，刘秀娟，陈慧敏，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31