特征融合的卷積神經網絡材料性質預測模型

打開文本圖片集

摘 要：針對目前大多數機器學習模型預測材料性質時需要大量的先驗知識以及特征向量篩選困難的問題，基于電子軌道矩陣和元素周期表法兩種描述符，通過特征融合的方式，設計了一種卷積神經網絡模型OPCNN（Orbital of electron and Periodic table CNN）。實驗數據表明，OPCNN與其他預測模型相比，在帶隙、生成熱以及形成能數據集上都有著更好的性能，平均絕對誤差分別為0.26eV、0.037KJ/mol和0.073eV/atom，且R2都達到了91%以上。（剩余14217字）