【技术实现步骤摘要】
本申请涉及新能源电池材料与人工智能，尤其涉及一种新能源电池多孔电极的结构生成方法、装置、介质及设备。
技术介绍
1、目前，风能、太阳能、水电、核电等可再生能源可以极大降低碳排放甚至实现零排放。但是，可再生能源发电的不稳定性以及对电网的安全隐患一直是其发展的瓶颈。为了突破这一瓶颈，储能便成为了新能源发展的重要环节，通过对新能源发电的短时或长时存储，稳定电力输出，维持现有电网的稳定性。电化学储能以其灵活性、安全性、无污染等优势，目前已成为主流的储能形式之一。锂离子电池、液流电池、燃料电池等都是常见的电化学储能器件，虽然它们有着不尽相同的工作机理和特有的优缺点，但他们都有着类似的工作组件，比如多孔电极、隔膜以及电解质等。
2、其中，新能源电池的多孔电极是电化学反应发生的位置，其结构特性会直接对电化学反应的发生产生影响，进而影响电池的输出性能，因此电极结构的优化设计至关重要。传统的获取介观尺度电极结构的方法一般有实验成像法、颗粒堆积法、地统计学方法等。实验方法只能对已有电极开展研究，而且由于其成本高昂，不适合提供大量样本用于介观尺度数值模拟研究；颗粒堆积和地统计学方法可以以较低的成本合成多孔结构，用于模拟电极结构内发生的多场耦合过程，但此类方法合成的结构均较为简单，无法合成复杂的结构。
3、基于此，如何生成结构性质较优且计算成本较低的多孔电极，成为本领域亟需解决的问题。
技术实现思路
1、本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中无法生成结构性质
2、本申请提供了一种新能源电池多孔电极的结构生成方法，所述方法包括：
3、获取与待生成的多孔电极相关的初始低维嵌入及先验条件、预先配置的目标生成器、目标性质预测器，并确定使生成的多孔电极的结构性质达到最优的优化函数以及目标性质；
4、通过所述目标生成器生成与所述初始低维嵌入及所述先验条件对应的初始多孔电极，并利用所述目标性质预测器对所述初始多孔电极的结构性质进行预测后，得到预测结果；
5、利用所述预测结果和所述目标性质对所述优化函数进行优化求解，得到使待生成的多孔电极的结构性质达到最优的目标低维嵌入后，通过所述目标生成器生成与所述目标低维嵌入及所述先验条件对应的目标多孔电极。
6、可选地，所述目标生成器包括第一线性层、第一目标特征提取层和第二线性层；
7、通过所述目标生成器生成与所述初始低维嵌入及所述先验条件对应的初始多孔电极，包括：
8、通过所述第一线性层对所述初始低维嵌入及所述先验条件的特征维度进行调整，并将调整后的初始低维嵌入及先验条件输入至所述第一目标特征提取层；
9、通过所述第一目标特征提取层利用滑动窗口机制捕捉所述调整后的初始低维嵌入及先验条件的多尺度特征，并对捕捉到的多尺度特征进行整合变换后输入至所述第二线性层；
10、通过所述第二线性层对整合变换后的多尺度特征的特征维度进行调整后，输出与所述初始低维嵌入及所述先验条件对应的初始多孔电极。
11、可选地，所述目标性质预测器包括第一块分割层、第二目标特征提取层和第三线性层，所述第三线性层的输出维度与预测性质的个数相匹配；
12、利用所述目标性质预测器对所述初始多孔电极的结构性质进行预测后，得到预测结果，包括：
13、利用所述第一块分割层对所述初始多孔电极进行分割，并将分割后的初始多孔电极输入至所述第二目标特征提取层；
14、利用所述第二目标特征提取层捕捉分割后的初始多孔电极的多尺度特征，并对捕捉到的多尺度特征进行整合变换后输入至所述第三线性层；
15、利用所述第三线性层对整合变换后的多尺度特征的特征维度进行调整，以输出与所述初始多孔电极对应的至少一个预测性质。
16、可选地，所述利用所述预测结果和所述目标性质对所述优化函数进行优化求解，得到使待生成的多孔电极的结构性质达到最优的目标低维嵌入，包括：
17、将所述预测结果和所述目标性质带入到所述优化函数中，并利用预先设置的优化算法对带入后的优化函数进行优化求解，得到使待生成的多孔电极的结构性质达到最优的目标低维嵌入。
18、可选地，所述目标生成器的配置过程，包括：
19、获取多个多孔电极的三维图像、随机噪声以及条件信息，并将各个随机噪声与各个条件信息进行耦合后，得到第一训练样本；
20、通过初始生成器生成与所述第一训练样本对应的预测图像后，将所述预测图像、与所述预测图像对应的三维图像以及条件信息作为第二训练样本输入至初始判别器中，利用所述初始判别器判别所述预测图像与对应的三维图像的真假，并根据判别结果分别对所述初始判别器以及所述初始生成器进行更新后，返回执行通过初始生成器生成与所述第一训练样本对应的预测图像及其后续步骤；
21、当确定训练后的初始判别器无法判别训练后的初始生成器生成的预测图像的真假后，将训练后的初始生成器作为目标生成器。
22、可选地，所述初始生成器包括第四线性层、第一初始特征提取层和第五线性层；
23、所述第一训练样本在训练过程中被划分为多个训练尺寸，并针对每一训练尺寸的第一训练样本进行阶段性训练，在每一阶段性训练过程中，通过初始生成器生成与所述第一训练样本对应的预测图像，包括：
24、通过所述第四线性层对所述第一训练样本的特征维度进行调整，并将调整后的第一训练样本输入至所述第一初始特征提取层；
25、通过所述第一初始特征提取层利用滑动窗口机制捕捉所述调整后的第一训练样本的多尺度特征，并对捕捉到的多尺度特征进行整合变换后输入至所述第五线性层；
26、通过所述第五线性层对整合变换后的多尺度特征的特征维度进行调整后，输出与所述第一训练样本对应的预测图像。
27、可选地，所述第一初始特征提取层包括两个串联的trans模块，其中一个trans模块中包含级联的第一归一化层、第一常规窗口内多头注意力层、第二归一化层和第六线性层，另一个trans模块中包含级联的第三归一化层、第一移动窗口的多头注意力层、第四归一化层和第七线性层；
28、所述第一常规窗口内多头注意力层和所述第一移动窗口的多头注意力层用于捕捉所述调整后的第一训练样本的多层级的相关性；
29、所述第一归一化层、所述第二归一化层和所述第六线性层用于对其中一个trans模块内的信息进行整合与变换；
30、所述第三归一化层、所述第四归一化层和所述第七线性层用于对另一个trans模块内的信息进行整合与变换。
31、可选地，所述初始判别器包括第二块分割层、第二初始特征提取层和第八线性层；
32、所述第二训练样本在训练过程中被划分为多个训练尺寸，并针对每一训练尺寸的第二训练样本进行阶段性训练，在每一阶段性训练过程中，利用所述初始判别器判别所述第二训练样本和所述预测图本文档来自技高网...
【技术保护点】
1.一种新能源电池多孔电极的结构生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标生成器包括第一线性层、第一目标特征提取层和第二线性层；
3.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标性质预测器包括第一块分割层、第二目标特征提取层和第三线性层，所述第三线性层的输出维度与预测性质的个数相匹配；
4.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述利用所述预测结果和所述目标性质对所述优化函数进行优化求解，得到使待生成的多孔电极的结构性质达到最优的目标低维嵌入，包括：
5.根据权利要求1-4中任一项所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标生成器的配置过程，包括：
6.根据权利要求5所述的新能源电池多孔电极的结构生成方法，其特征在于，所述初始生成器包括第四线性层、第一初始特征提取层和第五线性层；
7.根据权利要求6所述的新能源电池多孔电极的结构生成方法，其特征在于，所述第一初始特
8.根据权利要求5所述的新能源电池多孔电极的结构生成方法，其特征在于，所述初始判别器包括第二块分割层、第二初始特征提取层和第八线性层；
9.根据权利要求8所述的新能源电池多孔电极的结构生成方法，其特征在于，所述第二初始特征提取层包括两个串联的Trans模块，其中一个Trans模块中包含级联的第五归一化层、第二常规窗口内多头注意力层、第六归一化层和第九线性层，另一个Trans模块中包含级联的第七归一化层、第二移动窗口的多头注意力层、第八归一化层和第十线性层；
10.根据权利要求5所述的新能源电池多孔电极的结构生成方法，其特征在于，所述将训练后的初始生成器作为目标生成器之前，所述方法还包括：
11.根据权利要求1-4中任一项所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标性质预测器的配置过程，包括：
12.一种新能源电池多孔电极的结构生成装置，其特征在于，包括：
13.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至11中任一项所述新能源电池多孔电极的结构生成方法的步骤。
14.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；
...【技术特征摘要】
1.一种新能源电池多孔电极的结构生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标生成器包括第一线性层、第一目标特征提取层和第二线性层；
3.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标性质预测器包括第一块分割层、第二目标特征提取层和第三线性层，所述第三线性层的输出维度与预测性质的个数相匹配；
4.根据权利要求1所述的新能源电池多孔电极的结构生成方法，其特征在于，所述利用所述预测结果和所述目标性质对所述优化函数进行优化求解，得到使待生成的多孔电极的结构性质达到最优的目标低维嵌入，包括：
5.根据权利要求1-4中任一项所述的新能源电池多孔电极的结构生成方法，其特征在于，所述目标生成器的配置过程，包括：
6.根据权利要求5所述的新能源电池多孔电极的结构生成方法，其特征在于，所述初始生成器包括第四线性层、第一初始特征提取层和第五线性层；
7.根据权利要求6所述的新能源电池多孔电极的结构生成方法，其特征在于，所述第一初始特征提取层包括两个串联的trans模块，其中一个trans模块中包含级联的第一归一化层、第一常规窗口内多头注意力层、第二归一化层和第六线性层，另一个trans模块中包含级联的第三归一化层、第一移动窗口的多头注...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，
申请(专利权)人：深圳市峰和数智科技有限公司，
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。