【技术实现步骤摘要】
本专利技术涉及固废胶凝材料性能预测，尤其是涉及一种基于指令微调大语言模型的固废胶凝材料性能预测方法。
技术介绍
1、在固废胶凝材料性能预测领域，传统技术主要依赖支持向量机、决策树等传统机器学习模型，或有限元分析等基于物理的模型。然而，这些方法存在显著局限性：其一，数据依赖性强，需大量标注数据，而固废材料实验成本高昂、数据获取困难，严重制约了模型训练效率；其二，泛化能力较弱，难以适应成分复杂多变、制备工艺差异大的固废材料实际应用场景；其三，多任务适应性不足，针对强度、耐久性等不同性能预测任务需单独训练模型，导致研发成本高、效率低下。
2、近年来，大型语言模型（llm）在自然语言处理领域展现出强大的少样本/零样本学习能力，但其在材料科学领域的应用仍处于探索阶段，尤其在固废胶凝材料少样本、零样本场景下的性能预测任务中，缺乏针对材料领域特征的针对性优化。现有相关技术中，指令微调技术虽能通过任务指令引导模型学习特定任务，但尚未与固废胶凝材料的结构特征分析相结合，难以充分发挥模型对材料性能的预测潜力；相似度检索技术在推荐系统、分子属性预...
【技术保护点】
1.一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，所述步骤1中的训练数据来源于实验数据、文献数据或公开材料数据库，覆盖粉煤灰、矿渣、含重金属废渣中的至少一种固废类型。
3.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，步骤2中所述工艺参数包括煅烧温度、混合比例、水胶比、碱激发剂浓度、养护温度和养护时间中的至少一种；所述性能指标包括抗压强度、耐酸、耐久性和抗冻性中的至少一种。
...【技术特征摘要】
1.一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，所述步骤1中的训练数据来源于实验数据、文献数据或公开材料数据库，覆盖粉煤灰、矿渣、含重金属废渣中的至少一种固废类型。
3.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，步骤2中所述工艺参数包括煅烧温度、混合比例、水胶比、碱激发剂浓度、养护温度和养护时间中的至少一种；所述性能指标包括抗压强度、耐酸、耐久性和抗冻性中的至少一种。
4.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，所述步骤3中的少样本示例的排序依据材料成分相似度、工艺参数相似度或微观结构相似度中的至少一种，并优先输入高相似度样本。
5.根据权利要求1所述的一种基于指令微调大语言模型的固废胶凝材料性能预测方法，其特征在于，所述步骤3中的材料成分指纹包括元素比例、化学键类型、矿物相组成中的至少一种，并通过标准化自然语言...
【专利技术属性】
技术研发人员：张敬申，张俊飞，唐志伟，王栋民，魏源，危鹏，李晓慧，刘泽，赵天勇，赵明月，
申请(专利权)人：黄淮实验室，
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。