特征融合的卷積神經(jīng)網(wǎng)絡(luò)材料性質(zhì)預(yù)測(cè)模型

打開(kāi)文本圖片集

摘 要：針對(duì)目前大多數(shù)機(jī)器學(xué)習(xí)模型預(yù)測(cè)材料性質(zhì)時(shí)需要大量的先驗(yàn)知識(shí)以及特征向量篩選困難的問(wèn)題，基于電子軌道矩陣和元素周期表法兩種描述符，通過(guò)特征融合的方式，設(shè)計(jì)了一種卷積神經(jīng)網(wǎng)絡(luò)模型OPCNN（Orbital of electron and Periodic table CNN）。實(shí)驗(yàn)數(shù)據(jù)表明，OPCNN與其他預(yù)測(cè)模型相比，在帶隙、生成熱以及形成能數(shù)據(jù)集上都有著更好的性能，平均絕對(duì)誤差分別為0.26eV、0.037KJ/mol和0.073eV/atom，且R2都達(dá)到了91%以上。（剩余14217字）