钙钛矿型功能材料的基因组工程研究

发布时间：2025-05-20 01:38

　　材料基因组工程(Materials Genome Initiative,MGI)自2011年提出以来受到材料研究者们的广泛关注,材料基因组计划的基本理念是,借鉴人类基因组研究方法,通过构建材料高通量计算设计平台、高通量实验平台和数据库平台等三大平台,实现材料研发“理性设计-高效实验-大数据技术”的深度融合和全研究链协同创新,通过高通量计算方法、高通量实验方法、材料大数据等关键技术,实现新材料研发周期缩短一半、研发成本降低一半的目的。材料大数据技术作为三大关键技术之一,近几年来被诸多材料研究者应用于材料研究之中,通过机器学习算法在历史材料数据中找寻规律并给出实验指导,改善传统材料科学研究采用的“试错”实验方法,成为了学术界研究的热点方向。然而,作为多学科交叉技术的机器学习技术具有一定的使用门槛,对于缺乏数据分析、机器学习和计算机编程专业知识的材料研究者们,使用机器学习需要额外的学习成本。为解决这一问题,本工作研发了便于缺乏专业数据科学知识的材料研究者们使用的材料在线机器学习平台(AMINER),该平台提供了材料机器学习任务中常见的分类、回归、矩阵分解、变量筛选和超参数优化等算法,同时为钙钛...

【文章页数】：137 页

【学位级别】：博士

【部分图文】：

图１－１材料基因组计划循环??

图１－１材料基因组计划循环??１??

图1-Z钙钦矿结构示意图

因组国内外研宄情况??究概况??基因组计划的发布后，该计划得到了材料领域专家计算方面，Ｇｅｒｂｒａｎｄ?Ｃｅｄａｒ教授带领团队获美国ｌ?ｐｒｏｊｅｃｔ数据库，该数据库用于电池材料设计，至物性数据２７。日本批复了材料信息学的国家级项ｏｒｍａｔｉｏｎ?ｉｎｔｅｇｒａｔｉｏｎ?Ｉｎｉｔ....

图2-1材料在线机器学习平台架构

可以使用ＡＭＩＮＥＲ，大大降低了使用机器学习的成本。??２．材料研宄者无需购入更多的设备。通常，材料研宄需要配合仪器才能进??行，而此类仪器一般价格较高。传统情况下为进行机器学习研宄者必须??额外购买具有较高性能的主机或服务器，这无疑加高了材料研宄者们的??研宄经费。采用Ｂ／Ｓ架....

图2-4}gmaid函数

逻辑回归损失函数可写成如下形式：??ｍ?－??７（０，ｂ）?＝?＾?（ｙｌｌ〇ｇ（ｙｌ）?＋?（ｌ－ｙｌ）ｌ〇ｇ（ｌ－ｙ１））??－ｉ＝ｌ?－??性回归相同，逻辑回归通过梯度下降算法对损失函数进行优化，模型中的权重参数使其损失函数尽可能的降低从而获得相应的模向量机??学习中，支持....

本文编号：4046646