申请/专利权人：郑州大学

申请日：2023-12-25

公开（公告）日：2024-03-19

公开（公告）号：CN117727402A

主分类号：G16C60/00

分类号：G16C60/00;G06F30/27;G06N20/00;G06F16/951;G06F18/27;G06F119/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了基于机器学习的核材料热输运性质原子级预测方法及系统，属于模拟仿真技术领域。通过获取所需数据并识别为体系特征，通过网络获取数据集并进行分析处理，基于机器学习方法训练得到预测模型；初始化体系模型，在高剂量辐照损伤情形下进行热力学弛豫模拟、热差模拟；在模拟过程中，提取体系特征值并将其代入预测模型中，得到并计算体系热力学性质的预测结果，输出材料热导率；最后将体系信息和体系热力学性质的预测结果可视化。系统包括数据搜寻模块、训练模块、仿真模拟模块和结果输出模块。本发明简化了基于分子动力学对辐照损伤情形下核材料热输运性质的计算过程，解决了相关研究周期长、效率低的问题，并实现结果的可视化。

主权项：1.基于机器学习的核材料热输运性质原子级预测方法，其特征在于，包括以下步骤：S1、通过用户交互数据获取模拟体系所需特征，在相关网站上使用爬虫技术获取与体系特征相对应的数据并进行划分处理，再存入数据库中；S2、将数据按照8:1的比例分为训练集和测试集；训练集数据基于机器学习方法，采用线性回归算法训练得到预测模型；将测试集数据代入通过交叉验证后的模型计算预测误差，直到其收敛至目标误差内；S3、初始化体系模型，在高剂量辐照损伤情形下，对体系进行热力学弛豫模拟、热差模拟，在模拟过程中提取体系特征值并代入预测模型得到体系热力学性质的预测结果；S4、根据预测结果计算得出材料热导率，获取体系模拟过程中的体系信息，将体系信息和体系热力学性质的预测与计算结果可视化。

全文数据：

权利要求：

百度查询： 郑州大学 基于机器学习的核材料热输运性质原子级预测方法及系统

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