本申请提供一种电解质材料预测模型训练方法、装置和计算机设备，属于计算机技术领域。该方法包括：确定与多个初始材料组对应的实际离子迁移能，各初始材料组中包括多种不同的材料，各初始材料组中各材料的成分比例不同；根据各初始材料组和与各初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型；根据中间迁移能预测模型，构建多个目标材料组；基于多个目标材料组，对中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型，目标迁移能预测模型用于预测基于各材料组制作的电解质的离子迁移能。本申请可以达到提高确定电解质的最优成分的效率和可靠性的效果。解质的最优成分的效率和可靠性的效果。解质的最优成分的效率和可靠性的效果。
【技术实现步骤摘要】
电解质材料预测模型训练方法、装置和计算机设备
[0001]本申请涉及计算机
，具体而言，涉及一种电解质材料预测模型训练方法、装置和计算机设备。
技术介绍
[0002]随着电池技术的发展，储能技术得到了长足的发展，各种各样的电池出现在了人们的工作生活中，比如锂离子电池等，并且这些电池中一般都存在用于传输离子的电解质。
[0003]一般地，不同成分的电解质具有不同的扩散系数和离子迁移能，相关技术中，相关技术人员需要使用各种成分以不同的比例制备出多种电解质，然后对各种电解质进行相应电学实验得到用于指示电解质性能的实验结果，并需要根据实验结果对电解质的成分进行多次微调，以确定出电解质的最优成分进而提升制造出的电池的电导率。
[0004]然而，相关技术的方案流程复杂，并且需要大量人工花费大量时间进行实验，难免存在误差。因此，相关技术的方案在确定电解质的最优成分时存在效率和可靠性较差的问题。
技术实现思路
[0005]本申请的目的在于提供一种电解质材料预测模型训练方法、装置和计算机设备，可以达到提高确定电解质的最优成分的效率和可靠性的效果。
[0006]本申请的实施例是这样实现的：本申请实施例的第一方面，提供一种电解质材料预测模型训练方法，所述方法包括：确定与多个初始材料组对应的实际离子迁移能，各所述初始材料组中包括多种不同的材料，各所述初始材料组中各所述材料的成分比例不同；根据各所述初始材料组和与各所述初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型；根据所述中间迁移能预测模型，构建多个目标材料组；基于所述多个目标材料组，对所述中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型，所述目标迁移能预测模型用于预测基于材料组制作的电解质的离子迁移能。
[0007]可选地，所述确定与多个初始材料组对应的实际离子迁移能，包括：根据各所述初始材料组分别建立虚拟电解质模型；根据各所述虚拟电解质模型进行仿真计算，以确定各所述虚拟电解质模型的离子迁移能；将各所述虚拟电解质模型的离子迁移能作为对应的各所述初始材料组的实际离子迁移能。
[0008]可选地，所述根据各所述虚拟电解质模型进行仿真计算，以确定各所述虚拟电解
质模型的离子迁移能，包括：对所述虚拟电解质模型进行结构弛豫，并在结构弛豫后的虚拟电解质模型中移除两个等价的目标离子，得到调整后虚拟电解质模型；根据所述虚拟电解质模型和所述调整后虚拟电解质模型进行仿真反应，得到初始离子迁移路径，所述初始离子迁移路径用于指示所述目标离子迁移时的扩散路径；根据所述初始离子迁移路径确定所述目标离子迁移时的过渡态能垒，并将所述过渡态能垒作为所述虚拟电解质模型的离子迁移能。
[0009]可选地，所述根据各所述初始材料组和与各所述初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型，包括：基于各所述初始材料组和与各所述初始材料组对应的实际离子迁移能分别建立初始训练集和初始测试集，所述初始训练集和所述初始测试集中分别包括至少一个所述初始材料组和相应的实际离子迁移能，所述初始训练集中包括的初始材料组与所述初始测试集中包括的初始材料组不同；将所述初始测试集中包括的初始材料组输入所述初始迁移能预测模型，得到初始预测迁移能；根据各所述初始预测迁移能和各所述初始材料组对应的实际离子迁移能确定所述初始迁移能预测模型是否满足预设条件，若否，则对所述初始样本集以及所述初始迁移能预测模型分别进行调整，并基于调整后的初始样本集对调整后的初始迁移能预测模型重新进行训练；若是，则将满足所述预设条件的所述初始迁移能预测模型作为所述中间迁移能预测模型。
[0010]可选地，所述根据所述中间迁移能预测模型，构建多个目标材料组，包括：对所述初始材料组进行贝叶斯采样，得到多个中间材料组；将所述多个中间材料组分别输入所述中间迁移能预测模型，得到多个第一预测结果，各所述第一预测结果用于指示所述中间迁移能预测模型预测得到的各所述中间材料组的第一预测离子迁移能；根据各所述第一预测离子迁移能从各所述中间材料组中确定所述多个目标材料组。
[0011]可选地，所述基于所述目标材料组，对所述中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型，包括：基于各所述目标材料组和各所述目标材料组对应的实际离子迁移能分别建立目标训练集和目标测试集；将所述目标测试集中包括的目标材料组输入所述中间迁移能预测模型，得到目标预测迁移能；根据各所述目标预测迁移能和各所述目标材料组对应的实际离子迁移能确定所述中间迁移能预测模型是否满足预设条件，若否，则对所述目标样本集以及所述中间迁移能预测模型分别进行调整，并基于调整后的目标样本集对调整后的中间迁移能预测模型重新进行训练；若是，则将满足所述预设条件的所述中间迁移能预测模型作为所述目标迁移能预
测模型。
[0012]可选地，所述方法还包括：将多个待预测材料组输入所述目标迁移能预测模型，确定与各所述待预测材料组对应的最终预测迁移能；根据各所述最终预测迁移能从各所述待预测材料组中确定出至少一组预测电解质材料组和各所述预测电解质材料组中各材料的成分比例。
[0013]本申请实施例的第二方面，提供了一种电解质材料预测模型训练装置，所述电解质材料预测模型训练装置包括：确定模块，用于确定与多个初始材料组对应的实际离子迁移能，各所述初始材料组中包括多种不同的材料，各所述初始材料组中各所述材料的成分比例不同；第一训练模块，用于根据各所述初始材料组和与各所述初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型；构建模块，用于根据所述中间迁移能预测模型，构建多个目标材料组；第二训练模块，用于基于所述多个目标材料组，对所述中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型，所述目标迁移能预测模型用于预测基于材料组制作的电解质的离子迁移能。
[0014]本申请实施例的第三方面，提供了一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的电解质材料预测模型训练方法。
[0015]本申请实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的电解质材料预测模型训练方法。
[0016]本申请实施例的有益效果包括：本申请实施例提供的一种电解质材料预测模型训练方法，通过确定与多个初始材料组对应的实际离子迁移能，根据各初始材料组和与各初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型，基于该多个目标材料组，对该中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型。
[0017]其中，确定与多个初始材料组对应的实际离子迁移能，根据各初始材料组和与各初始材料组对应的实际离子本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电解质材料预测模型训练方法，其特征在于，所述方法包括：确定与多个初始材料组对应的实际离子迁移能，各所述初始材料组中包括多种不同的材料，各所述初始材料组中各所述材料的成分比例不同；根据各所述初始材料组和与各所述初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型；根据所述中间迁移能预测模型，构建多个目标材料组；基于所述多个目标材料组，对所述中间迁移能预测模型进行迭代训练和修正，得到目标迁移能预测模型，所述目标迁移能预测模型用于预测基于各材料组制作的电解质的离子迁移能。2.如权利要求1所述的电解质材料预测模型训练方法，其特征在于，所述确定与多个初始材料组对应的实际离子迁移能，包括：根据各所述初始材料组分别建立虚拟电解质模型；根据各所述虚拟电解质模型进行仿真计算，以确定各所述虚拟电解质模型的离子迁移能；将各所述虚拟电解质模型的离子迁移能作为对应的各所述初始材料组的实际离子迁移能。3.如权利要求2所述的电解质材料预测模型训练方法，其特征在于，所述根据各所述虚拟电解质模型进行仿真计算，以确定各所述虚拟电解质模型的离子迁移能，包括：对所述虚拟电解质模型进行结构弛豫，并在结构弛豫后的虚拟电解质模型中移除两个等价的目标离子，得到调整后虚拟电解质模型；根据所述虚拟电解质模型和所述调整后虚拟电解质模型进行仿真反应，得到初始离子迁移路径，所述初始离子迁移路径用于指示所述目标离子迁移时的扩散路径；根据所述初始离子迁移路径确定所述目标离子迁移时的过渡态能垒，并将所述过渡态能垒作为所述虚拟电解质模型的离子迁移能。4.如权利要求1所述的电解质材料预测模型训练方法，其特征在于，所述根据各所述初始材料组和与各所述初始材料组对应的实际离子迁移能，对初始迁移能预测模型进行迭代训练和修正，得到中间迁移能预测模型，包括：基于各所述初始材料组和与各所述初始材料组对应的实际离子迁移能分别建立初始训练集和初始测试集，所述初始训练集和所述初始测试集中分别包括至少一个所述初始材料组和相应的实际离子迁移能，所述初始训练集中包括的初始材料组与所述初始测试集中包括的初始材料组不同；将所述初始测试集中包括的初始材料组输入所述初始迁移能预测模型，得到初始预测迁移能；根据各所述初始预测迁移能和各所述初始材料组对应的实际离子迁移能确定所述初始迁移能预测模型是否满足预设条件，若否，则对初始样本集以及所述初始迁移能预测模型分别进行调整，并基于调整后的初始样本集对调整后的初始迁移能预测模型重新进行训练；若是，则将满足所述预设条件的所述初始迁移能预测模型作为所述中间迁移能预测模型。
5.如权利要求1所述的电解质材料预测模型训练方法，其特征在于...
【专利技术属性】
技术研发人员：黄杜斌，常希望，李爱军，杨扬，王春源，
申请(专利权)人：北京金羽新材科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。