【技术实现步骤摘要】
本专利技术涉及材料合成工艺，更具体的说是涉及一种基于小样本数据的材料合成工艺智能推荐方法。
技术介绍
1、目前，确定材料合成工艺的方法主要包括理论建模与数值模拟、经验式工艺试错法、在线过程监测与反馈控制以及高通量筛选和数据驱动优化等方法，这些方法在材料合成中相互补充，共同应对复杂多变量作用下工艺参数的高度耦合问题。近年来，随着人工智能与机器学习技术在材料科学领域的广泛应用，基于小样本数据驱动的工艺探索方法逐渐成为热点。
2、但是，材料合成过程复杂且工艺条件多变，材料合成涉及复杂的多尺度、多因素影响，如反应物种类、配比、温度曲线等微小变化都会显著影响材料的质量和形貌。此外，由于许多材料合成和生长机理尚未完全明确，难以构建精确数学模型，并且可用的实验数据相对稀缺，实验室数据量少且质量不一。这些都对人工智能与机器学习模型的应用提出了挑战。
3、因此，如何基于小样本材料“结构-工艺”标注数据，实现材料合成工艺的智能生成和可行性判别，进而指导材料合成是本领域技术人员亟需解决的问题。
技术实现思路
【技术保护点】
1.一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述工艺可行性判别模型包括结构理解增强模型、工艺神经网络以及多层感知机；所述结构理解增强模型基于所述结构数据进行特征提取；所述工艺神经网络基于所述合成工艺数据进行特征提取；所述多层感知机融合所述结构理解增强模型和所述工艺神经网络提取的特征，输出判别结果。
3.根据权利要求1所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述小样本结构-工艺数据包括：材料的结构数据，以及合
...【技术特征摘要】
1.一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述工艺可行性判别模型包括结构理解增强模型、工艺神经网络以及多层感知机；所述结构理解增强模型基于所述结构数据进行特征提取；所述工艺神经网络基于所述合成工艺数据进行特征提取；所述多层感知机融合所述结构理解增强模型和所述工艺神经网络提取的特征，输出判别结果。
3.根据权利要求1所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述小样本结构-工艺数据包括：材料的结构数据，以及合成工艺信息。
4.根据权利要求3所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述预处理包括：
5.根据权利要求1所述的一种基于小样本数据的材料合成工艺智能推荐方法，其特征在于，所述结构理解增强模型由编码器encoder和解码器decoder组成；所述编码器encoder由8层堆叠的transformer编码器组成，每层包括依次连接的多头注意力机制模块、加法与归一化模块、前馈神经网络以及加法与归一...
【专利技术属性】
技术研发人员：杨小渝，马新杰，
申请(专利权)人：北京迈高材云科技有限公司，
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。