【技术实现步骤摘要】
本专利技术涉及人工智能结构优化，尤其涉及一种基于机器学习推荐系统的盆地跳跃算法及其应用。
技术介绍
1、氢气是一种绿色清洁能源。电解水制氢是一种清洁的制氢方式，但是阳极发生的析氧反应(oer)缓慢。一个有效方法是采用合适的催化剂来降低oer反应能垒，提高反应速率。目前，商业上主要使用贵金属氧化物催化剂，它们具有相对较好的稳定性和催化活性，例如iro2和ruo2。但由于贵金属成本较高而限制了其广泛应用，因此需要寻找一种低成本同时具有高催化性能的催化剂。
2、钙钛矿氧化物因其成本较低、化学组分多样、构型空间巨大和高催化活性而在近期成为研究热点。钙钛矿的化学式是abx3。其中a和b几乎涵盖了整个元素周期表的金属阳离子，x通常是硫族元素或卤素。而ba0.5sr0.5co0.8fe0.2o3是近来发现的具有高催化活性的oer催化材料。但是这种多阳离子钙钛矿的特点是一个亚点阵上有多种不同的阳离子，这导致了结构中原子排列或者占位构型的无序。这对占位构型的确定造成了困难，阻碍了对材料构效关系的理解。
3、占位构型的计算研究有特殊...
【技术保护点】
1.一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤一中，所述的初始随机占位构型包括：结构模型尺寸、原子数、晶格参数和亚点阵中原子类别信息。
3.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤二中，所述实时机器学习力场计算参数包括：原子的力和体系能量的训练权重占比、拓宽描述符的原子分布和扩展描述符的基函数的数量。
4.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤三中，所述确...
【技术特征摘要】
1.一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤一中，所述的初始随机占位构型包括：结构模型尺寸、原子数、晶格参数和亚点阵中原子类别信息。
3.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤二中，所述实时机器学习力场计算参数包括：原子的力和体系能量的训练权重占比、拓宽描述符的原子分布和扩展描述符的基函数的数量。
4.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤三中，所述确定盆地跳跃参数过程中，温度k设为2500k，跳跃规则设为每次跳跃只进行同一亚点阵不同阳离子间的一次位置互换。
5.根据权利要求1所述的一种基于机器学习推荐系统的盆地跳跃算法，其特征在于，步骤四中，所述引入盆地跳跃算法对体系占位构型进行全局优化中的体系为ba0.5sr0.5co0.8fe0.2o3。
6....
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。