一种基于非对称卷积网络的高效钙钛矿材料筛选方法技术

本发明专利技术公开了一种基于非对称卷积网络的高效钙钛矿材料筛选方法，并添加空间注意力模块提升对输入数据中重要特征的关注度。此方法步骤包括收集钙钛矿氧化物材料数据，添加相关特征，划分训练集与数据集，将标准化数据处理为二维矩阵的形式，构建高效钙钛矿材料预测与筛选模型，快速精确地预测钙钛矿材料常用性质如带隙、形成能与稳定性，并对未知材料是否为稳定钙钛矿材料进行快速判别。本发明专利技术利用非对称卷积模块将数据以二维矩阵形式输入，使得模型对于不同数量的输入特征有良好的自适应性，添加空间注意力模型提高对输入数据的重要特征关注。混合网络可以完成对钙钛矿材料带隙和形成能的回归与稳定性分类两种任务。

【技术实现步骤摘要】

本专利技术涉及材料性质预测和筛选领域，具体涉及一种基于非对称卷积网络的高效钙钛矿材料筛选方法。

技术介绍

1、钙钛矿电池因其卓越的功率转换效率，生产成本低而备受关注。钙钛矿电池的诸多优点得益于钙钛矿材料的高光吸收性能与优异的电荷传输；除太阳能电池外，钙钛矿材料还被用于光电器件，发光二极管，传感器及柔性电子设备。

2、钙钛矿材料因其出色的性能与广泛的应用前景，已经成为太阳能电池领域的研究热点，材料的性质与结构稳定性是研究人员十分感兴趣的。然而传统的材料性质探究与开发方法通常是基于实验验证与试错，需要在有限数量的材料和复杂的实验程序上进行长期研究，对时间精力与成本是极大的考验。近年来，随着材料数据的增加，机器学习代替人工对新的和以前未开发的化合物进行快速预测成为可能，这得益于机器学习具有重组现有知识结构和挖掘隐含关系的能力。现有利用机器学习模型对钙钛矿材料的筛选方法主要局限于特征分析，在材料特征过多时会挑选相关性强的特征训练模型，这会使得材料筛选精确度下降，且针对不同种类钙钛矿数据集，模型迁移能力与泛化能力较差，不利于大规模多种类材料筛选。

本文档来自技高网...

【技术保护点】

1.一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，针对钙钛矿材料，执行如下步骤S1-步骤S5，完成钙钛矿材料的性质预测和筛选：

2.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤S1的具体步骤如下：

3.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤S2的具体方法如下：

4.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤S3中的钙钛矿材料筛选模型依次包括非对称卷积模块、空间注意力模块、ReLU函数、最大池化层、混合网络，其中混...

【技术特征摘要】

1.一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，针对钙钛矿材料，执行如下步骤s1-步骤s5，完成钙钛矿材料的性质预测和筛选：

2.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤s1的具体步骤如下：

3.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤s2的具体方法如下：

4.根据权利要求1所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，步骤s3中的钙钛矿材料筛选模型依次包括非对称卷积模块、空间注意力模块、relu函数、最大池化层、混合网络，其中混合网络具有两个分支，分别用于回归预测和分类预测。

5.根据权利要求4所述的一种基于非对称卷积网络的高效钙钛矿材料筛选方法，其特征在于，钙钛矿材料筛选模型中的非对称卷积模块，其原理如下：

【专利技术属性】
技术研发人员：冀曙敏，李尚峰，于忠卫，黄艳艳，
申请(专利权)人：南通大学，
类型：发明
国别省市：