【技术实现步骤摘要】
本专利技术涉及筛选二维oled阳极候选材料的方法，属于机器学习领域。
技术介绍
1、从半金属性的石墨烯、半导体性的过渡金属二硫族化合物(tmdcs)到高度绝缘的六方氮化硼结构，在过去十几年中，二维纳米材料吸引了研究人员的广泛关注。由于其具有独特的物理和化学性质，基于2d纳米材料设计的各种器件具有天然的性能优势。例如，大的比表面积可提高传感器的感应灵敏度和催化转化器的催化效率，小的尺寸可提高金属氧化物半导体场效应管(mosfet)器件对抗短通道效应的能力，而灵活性则可用于提高穿戴设备的舒适度等。此外，同质/异质二维纳米材料的范德华堆叠为调节体系的性质提供了另一种可能。随着2d纳米材料相关研究的快速发展，越来越多新奇、令人惊叹的物理现象也相继被发现，如半整数量子霍尔效应、klein隧穿效应、谷霍尔效应和拓扑超导效应等。这些物理现象的发现对材料科学、电子学和信息技术等领域具有广泛而深远的影响。随着表面科学的发展，人们需要更深入地了解材料表面的物理性质。其中，功函是材料表面的一种基本性质，在固体物理中被定义为：把一个电子从固体内部转移到此物体表...
【技术保护点】
1.机器学习辅助高通量筛选二维OLED阳极候选材料的方法，其特征在于，所述方法包括以下内容：
2.根据权利要求1所述的机器学习辅助高通量筛选二维OLED阳极候选材料的方法，其特征在于，步骤2中，利用测试集对所有训练完成的预测模型进行筛选，得到多个性能较优预测模型，具体过程为：
3.根据权利要求1所述的机器学习辅助高通量筛选二维OLED阳极候选材料的方法，其特征在于，步骤3中，根据每两种特征的相关系数和特征重要性排序对初始数据集进行特征筛选，实现对初始数据集的更新，具体过程为：
4.根据权利要求1所述的机器学习辅助高通量筛选二维OLE...
【技术特征摘要】
1.机器学习辅助高通量筛选二维oled阳极候选材料的方法，其特征在于，所述方法包括以下内容：
2.根据权利要求1所述的机器学习辅助高通量筛选二维oled阳极候选材料的方法，其特征在于，步骤2中，利用测试集对所有训练完成的预测模型进行筛选，得到多个性能较优预测模型，具体过程为：
3.根据权利要求1所述的机器学习辅助高通量筛选二维oled阳极候选材料的方法，其特征在于，步骤3中，根据每两种特征的相关系数和特征重要性排序对初始数据集进行特征筛选，实现对初始数据集的更新，具体过程为：
4.根据权利要求1所述的机器学习辅助高通量筛选二维oled阳极候选材料的方法，其特征在于，步骤4中，利用更新后的初始数据集对多个的性能较优预测模型进行训练，并从训练后的多个的性能较优预测模型中筛选出性能最优预测模型，具体过程为：
5.根据权利要求1所述的机器学习辅助高通量筛选二维oled阳极候选材料...
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。