申请/专利权人：华东理工大学

申请日：2023-09-01

公开（公告）日：2024-01-26

公开（公告）号：CN117457115A

主分类号：G16C60/00

分类号：G16C60/00;G16C20/30;G16C20/70;G06N3/042;G06N3/09;G06N3/098;G06N3/084;G06N3/048

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2024.02.13#发明专利申请公布后的撤回;2024.01.26#公开

摘要：本发明公开了一种基于图神经网络的异质结界面电荷转移的解决方法，属于机器学习技术领域。其方法包括以下步骤：特征提取；网络构建；设计预测模型；DFT计算；算法优化；模型验证；界面电荷转移量验证；界面电荷转移路径验证和实验验证。本发明提供的一种基于图神经网络的异质结界面电荷转移的解决方法，可以提高预测效率、降低过拟合风险和提升泛化能力。结合异构多任务学习和GNNs架构的独特优势，将该方法应用于研究界面电荷转移的微观行为，为预测异质结界面电荷转移量和转移路径提供全新的解决途径。

主权项：1.一种基于图神经网络的异质结界面电荷转移的解决方法，其特征在于，包括以下步骤：S1、特征提取，先对样本集进行分类，再对数据进行预处理，通过基于GATs节点嵌入和图嵌入的方法对异质结进行特征提取；S2、网络构建，通过设计GNNs算法进行网络构建，将异质结晶体结构图形表示输入到回归模型中以预测界面电荷转移量，将异质结晶体结构图形表示输入到分类模型中以预测界面电荷转移路径；通过DFT理论计算分别对界面电荷转移量和转移路径进行计算，得到预期值；S3、模型验证，采用训练好的GNNs模型分别在石墨烯过渡金属硫化物异质结的训练集、验证集和测试集上进行界面电荷转移量和转移路径的计算，结合DFT理论的预期值评估训练模型的泛化能力，选择样本进行实验方面的验证。

全文数据：

权利要求：

百度查询： 华东理工大学 一种基于图神经网络的异质结界面电荷转移的解决方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD