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：浙江工业大学

摘要：本发明公开了一种基于机器学习和量子化学计算的相变吸收剂筛选方法，包括：获取关于活化剂的物化性质数据，搜集目标气体的吸收性能的所有性能指标，输入到计算机中，选择XGBoost算法来构建机器学习模块，把SHAP值作为输出模块，利用SHAP方法对模型进行解释；机器学习过程可以计算每个输入性质的SHAP值，SHAP值有正有负，正值为正贡献，负值为负贡献，其绝对值反映某一吸收性能的贡献程度特征，绝对值越大，说明贡献程度越高。通过上述输出结果，建立性质与性能的评价系统。基于此，可以快速定位影响某一CO2吸收性能最大的性质，并利用正负性准确判断性质模块和性能模块的关系，从而在后期工作中高效筛选出目标相变吸收剂，实现新型相变吸收剂的开发。

主权项：1.一种基于机器学习和量子化学计算的相变吸收剂筛选方法，其特征在于包括如下步骤：1针对用于捕集吸收的某一目标气体，预先搜集或者使用量子化学计算活化剂相关物化性质，得到关于活化剂的物化性质数据的性质模块；2从现有技术文献中获取影响捕集吸收目标气体的吸收性能的所有性能指标，得到性能模块；3将步骤1的性质模块和步骤2的性能模块作为输入模块进行机器学习，输入到计算机中，选择XGBoost算法来构建机器学习模块，把SHAP值作为输出模块，利用SHAP方法对模型进行解释；4针对目标气体的吸收性能的某一性能指标，步骤3机器学习过程可以计算每个输入物化性质的SHAP值，根据SHAP绝对值的大小来判断性质模块中的物化性质对性能模块中的某一性能指标的贡献程度，绝对值越大，贡献程度越高，SHAP值的正负用来评判两者的正负相关性；5通过上述输出结果，建立物化性质与吸收性能的评价系统，由此可以快速定位影响吸收性能最大的物化性质，以便后期工作中高效筛选出组成目标相变吸收剂的活化剂；SHAP值输出的计算过程为：使用SHAP测量每个特征向量对模型预测结果的重要性，假设第i个样本为Xi，第i个样本的第j个特征为Xi,j，训练集模型对样本的预测值为Yi，整个模型的基线为Ybase，那么SHAP值服从以下等式：Yi＝Ybase+fXi,1+fXi,2+…+fXi,k其中fXi为Xi的SHAP值，fXi,1是第i个样本中第1个特征对最终预测值Yi的贡献值，当fXi,1＞0，说明该特征提升了预测值；反之，说明该特征使得预测值降低；对fXi,1、fXi,2、…、fXi,k分别取绝对值之后，按照从大到小依次排序，由此快速定位影响吸收性能的物化性质的性质指标次序，获得影响吸收性能的关键物化性质。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于机器学习和量子化学计算的相变吸收剂筛选方法