【技术实现步骤摘要】
本申请涉及信息，更具体的说，是涉及一种材料数据模型联邦学习方法和装置。
技术介绍
1、数据驱动的材料发现借助于高性能计算算力、数据传输能力、数据存储能力等，利用大数据、机器学习等技术，可以实现材料设计、成分-工艺-性能优化/预测等应用，逐渐代替试错法成为材料研发的新模式，有效地提高研发效率、降低研发成本。
2、传统的机器学习数据获取手段为数据汇交，机构将材料数据发送至第三方平台，平台统一进行管理、共享。然而，材料数据是企业、研发机构的重要资源，涉及产品隐私，企业大多不愿意将数据发送至外部平台。因此，虽然目前材料行业累积了大量数据，但却形成了多个数据孤岛，无法基于全部数据进行材料数据模型的训练。
技术实现思路
1、有鉴于此，本申请提供了一种材料数据模型联邦学习方法和装置，如下：
2、一种材料数据模型联邦学习方法，应用于第一节点，包括：
3、在目标材料链的至少两个节点中确定满足预设要求的至少两个目标节点；
4、向监管节点发送训练材料数据模型的联邦...
【技术保护点】
1.一种材料数据模型联邦学习方法，其特征在于，应用于第一节点，包括：
2.根据权利要求1所述的方法，其特征在于，所述在目标材料链的至少两个节点中确定满足预设要求的至少两个目标节点，包括：
3.根据权利要求2所述的方法，其特征在于，获得目标材料链中至少两个节点的训练共享材料信息，包括：
4.根据权利要求2所述的方法，其特征在于，还包括：
5.根据权利要求1所述的方法，其特征在于，所述在目标材料链的至少两个节点中确定满足预设要求的至少两个目标节点之前，还包括：
6.一种材料数据模型联邦学习方法，其特征在于，应用于
【技术特征摘要】
1.一种材料数据模型联邦学习方法，其特征在于，应用于第一节点，包括：
2.根据权利要求1所述的方法，其特征在于，所述在目标材料链的至少两个节点中确定满足预设要求的至少两个目标节点，包括：
3.根据权利要求2所述的方法，其特征在于，获得目标材料链中至少两个节点的训练共享材料信息，包括：
4.根据权利要求2所述的方法，其特征在于，还包括：
5.根据权利要求1所述的方法，其特征在于，所述在目标材料链的至少两个节点中确定满足预设要求的至少两个目标节点之前，...
【专利技术属性】
技术研发人员：王畅畅，段琳娜，寇宝元，
申请(专利权)人：北京钢研新材科技有限公司，
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。