龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湖南工业大学
摘要：本发明提供了一种有机太阳能电池材料能级的预测方法，该方法包括：获取数据库及文献中有机太阳能电池材料的性能参数，建立两个初始数据集；对初始数据集进行预处理；利用预处理后第一阶段数据集对不同的机器学习算法模型进行训练和测试，选取优化的算法模型并保存其权重，在第二阶段数据集上，转移权重进行微调，选取优化的学习模型；利用优化的机器学习模型对OPV及其他领域的材料分子进行能级预测，验证模型的可靠性；对优化的机器学习模型进行可解释性分析，揭示模型预测的机理；根据可解释性分析进行分子设计；该方法为OPV材料的设计与优化提供了理论指导和预测工具，使得研究人员能在器件制备前预测材料的光伏特性，加速材料的筛选和优化过程。
主权项：1.一种有机太阳能电池材料能级的预测方法，其特征在于，包括：初始数据集建立：获取哈佛清洁能源项目数据集中的随机数据，包括SMILES编码和能级作为第一阶段数据集；获取现有有机太阳能电池采用的材料分子的SMILES编码及其能级，以SMILES编码为输入自变量，能级为输出因变量，建立第二阶段数据集；第一阶段数据集和第二阶段数据集一起被称为初始数据集；数据预处理：对所述初始数据集进行预处理，得到预处理之后的第一阶段和第二阶段数据集；机器学习算法模型建立和评估：建立不同的机器学习算法模型，利用预处理之后的第一阶段数据集对不同的机器学习算法模型进行训练和测试，得到最优结果并保存模型权重，然后转移模型权重，在第一阶段模型权重的基础上对预处理之后的第二阶段数据集进行训练和测试，评估各个机器学习算法模型性能，选择优化的机器学习算法模型；验证：利用优化的机器学习模型对OPV及其他领域的材料分子进行验证；可解释性分析：利用优化的机器学习算法模型对预处理之后的数据集进行可解释性分析；分子设计及其能级预测：根据可解释性结果进行分子设计，采用优化的机器学习算法模型对所设计分子的能级参数进行预测。
全文数据：
权利要求：
百度查询： 湖南工业大学 一种有机太阳能电池材料能级的预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号