基于卷积神经网络模型中梯度与特征分析的材料性能优化与预测机理研究

摘要：

材料信息学作为材料领域一种新的研究方法,引起了国内外广泛的关注.随着材料数据的快速增加,机器学习方法也越来越多地被应用在材料数据的分析中,并有望从大量的材料数据中获取具有指导性的材料学规律.采用卷积神经网络模型,使用从材料数据库中收集得到的4000多种材料的数据,对材料的形成能进行预测并得到了较为准确的预测结果.随后对材料特征矩阵的梯度进行分析,发现了梯度与材料性能间有一定的相关性,并可在梯度矩阵的指导下找到具有目标性能的材料特征矩阵分布.最后对卷积神经网络中识别出的特征模式进行了分析,进一步验证了卷积神经网络具有较好的材料性能预测能力.

关键词：材料信息学、卷积神经网络、形成能、梯度分析、特征抽取

所属期刊栏目：39

分类号：TB3(工程材料学)

资助基金：国家自然科学基金资助项目51741101

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：385-390