一种双钙钛矿化合物形成性的预测方法和装置制造方法及图纸

本发明专利技术实施例公开了一种双钙钛矿化合物形成性的预测方法及装置，通过获取待预测化合物的分子式，所述待预测化合物具有ABX3或A2BB

【技术实现步骤摘要】
一种双钙钛矿化合物形成性的预测方法和装置


[0001]本专利技术涉及人工智能
，具体涉及一种双钙钛矿化合物形成性的预测方法和装置。

技术介绍

[0002]钙钛矿应用广泛，如电催化、质子传导、铁电体、电池材料、光伏和光电子，而设计新的钙钛矿第一步通常是评估其形成性。从组成元素方面看，钙钛矿是具有通式ABX3结构的一类化合物，其名称源自于同名矿物钙钛矿（CaTiO3）。其中A位通常被阳离子所占据，B位常为铅离子（Pb
2+
）或亚锡离子（Sn
2+
）等，而X位为卤素阴离子（O2‑
、F
‑
、Cl
‑
、Br
‑
和I
‑
）。
[0003]但是，除了常见的CaTiO3外，BiFeO3、CsPbI3等诸多化合物也具有这一结构，而满足ABX3化学式的化合物未必为钙钛矿，因此需要对化合物的结构进行分析。从应用方面看，降本增效是新型材料的核心需求。钙钛矿材料吸光性能远优于晶硅，作为光伏电池具有更好的能量转化率；其次钙钛矿储量大，原材料易于获得的同时对加工的要求也低于晶硅；再次，其消光系数高、叠层薄并能实现柔性应用。
[0004]基于此，为了基于钙钛矿形成性的优点，需要快速预测大量化合物的钙钛矿形成性。但是，现有技术缺少针对钙钛矿形成性预测的方法，只能利用实验法进行形成性的实验，不仅测试精度较低，且需要耗费大量的人力物力。
[0005]因此，提供一种双钙钛矿化合物形成性的预测方法，以解决钙钛矿形成性预测精度低、测试成本高的技术问题。

技术实现思路

[0006]为此，本专利技术实施例提供一种双钙钛矿化合物形成性的预测方法和装置，以至少部分解决上述技术问题。
[0007]为了实现上述目的，本专利技术实施例提供如下技术方案：本专利技术提供一种双钙钛矿化合物形成性的预测方法，所述方法包括：获取待预测化合物的分子式，所述待预测化合物具有ABX3或 A2BB
’
X6形式的分子构型；将所述待预测化合物的分子式输入预先训练的预测模型，以得到所述待预测化合物的分子式的形成性结果；其中，所述预测模型是根据化合物样本的分子式以及预设标签在预先构建的深度学习网络中进行训练得到的，所述化合物样本具有ABX3或A2BB
’
X6形式的分子构型，所述预设标签包括具有形成性的第一标签和不具有形成性的第二标签。
[0008]在一些实施例中，根据化合物样本的分子式在预先构建的深度学习网络中进行训练得到所述预测模型，具体包括：获取海量化合物样本的分子式；利用所述化合物样本的分子式和对应的标签构建数据样本集，并将所述数据样本
集划分为训练集与测试集；提取所述训练集中的所有化合物样本的分子式的特征数据；基于所述特征数据利用所述深度学习网络对所述数据集进行分类建模，并对得到的分类模型进行训练，以得到预测模型。
[0009]在一些实施例中，对得到的分类模型进行训练，以得到预测模型，之后还包括：按照预设的评估指标，利用所述测试集对所述预测模型进行评估；其中，所述评估指标包括准确率（Accuracy）、精确率和召回率的调和均值（F1）、受试者工作特征曲线(ROC曲线)下的面积（AUC）和混淆矩阵图。
[0010]在一些实施例中，提取所述训练集中的所有化合物样本的分子式的特征数据，具体包括：提取所述化合物样本的分子式的电子结构描述符，以所述电子结构描述符作为所述特征数。
[0011]在一些实施例中，提取所述化合物样本的分子式的电子结构描述符，具体包括：标记所述化合物样本的分子式中每种元素的原子数量；根据原子数量的标记结果，得到各种元素的电子构型；在所述电子构型中标记电子自旋符号，以得到每个原子的电子构型位向量；将每个原子的电子构型位向量乘以原子数，通过索引根据电子构型位向量生成所述化合物样本的分子式的电子构型位矢量，所述电子构型位矢量作为电子结构描述符。
[0012]在一些实施例中，获取海量化合物样本的分子式，具体包括：读取所述化合物样本的数据文件；根据预先设置的目标变量生成所述化合物样本的分子式。
[0013]本专利技术还提供一种双钙钛矿化合物形成性的预测装置，所述装置包括：数据获取单元，用于获取待预测化合物的分子式，所述待预测化合物具有A2BB
’
X6形式的分子构型；结果生成单元，用于将所述待预测化合物的分子式输入预先训练的预测模型，以得到所述待预测化合物的分子式的形成性结果；其中，所述预测模型是根据化合物样本的分子式以及预设标签在预先构建的深度学习网络中进行训练得到的，所述化合物样本具有ABX3或A2BB
’
X6形式的分子构型，所述预设标签包括具有形成性的第一标签和不具有形成性的第二标签。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
[0017]本专利技术所提供的双钙钛矿化合物形成性的预测方法和装置，通过获取待预测化合物的分子式，所述待预测化合物具有ABX3或A2BB
’
X6形式的分子构型；将所述待预测化合物的分子式输入预先训练的预测模型，即可得到所述待预测化合物的分子式的形成性结果；其中，所述预测模型是根据化合物样本的分子式以及预设标签在预先构建的深度学习网络
中进行训练得到的，所述化合物样本具有ABX3或A2BB
’
X6形式的分子构型，所述预设标签包括具有形成性的第一标签和不具有形成性的第二标签。
[0018]本专利技术所提供的预测方法预报钙钛矿形成性简单、快捷，把化合物的分子式输入预先构建的预测模型即可，分子式对钙钛矿（ABX3）成分种类没有限制，B位阳离子也可以被两种不同的离子取代，产生双钙钛矿化学式。将模型泛化到双钙钛矿（A2BB
’
X6）形成性的预测，模型具有强普适性和泛化性能，预测精度高，无需实验测试，降低了测试成本，从而解决了现有技术中钙钛矿形成性预测精度低、测试成本高的技术问题。
附图说明
[0019]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0020]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双钙钛矿化合物形成性的预测方法，其特征在于，所述方法包括：获取待预测化合物的分子式，所述待预测化合物具有ABX3或A2BB
’
X6形式的分子构型；将所述待预测化合物的分子式输入预先训练的预测模型，以得到所述待预测化合物的分子式的形成性结果；其中，所述预测模型是根据化合物样本的分子式以及预设标签在预先构建的深度学习网络中进行训练得到的，所述化合物样本具有ABX3或A2BB
’
X6形式的分子构型，所述预设标签包括具有形成性的第一标签和不具有形成性的第二标签。2.根据权利要求1所述的双钙钛矿化合物形成性的预测方法，其特征在于，根据化合物样本的分子式在预先构建的深度学习网络中进行训练得到所述预测模型，具体包括：获取海量化合物样本的分子式；利用所述化合物样本的分子式和对应的标签构建数据样本集，并将所述数据样本集划分为训练集与测试集；提取所述训练集中的所有化合物样本的分子式的特征数据；基于所述特征数据利用所述深度学习网络对所述数据集进行分类建模，并对得到的分类模型进行训练，以得到预测模型。3.根据权利要求2所述的双钙钛矿化合物形成性的预测方法，其特征在于，对得到的分类模型进行训练，以得到预测模型，之后还包括：按照预设的评估指标，利用所述测试集对所述预测模型进行评估；其中，所述评估指标包括准确率（Accuracy）、精确率和召回率的调和均值（F1）、受试者工作特征曲线(ROC曲线)下的面积（AUC）和混淆矩阵图。4.根据权利要求3所述的双钙钛矿化合物形成性的预测方法，其特征在于，提取所述训练集中的所有化合物样本的分子式的特征数据，具体包括：提取所述化合物样本的分子式的电子结构描述符，以所述电子结构描述符作为所述特征数。5.根据权利要求4所述的双钙钛矿化合物形成性的预测方法，其特征在于，提取...

【专利技术属性】
技术研发人员：李龙，
申请(专利权)人：苏州创腾软件有限公司，
类型：发明
国别省市：