公开(公告)号：CN118709829A

公开(公告)日：2024-09-27

申请号：CN202410724974.8

申请日：2024-06-05

Applicant: 桂林理工大学

Inventor： 刘晓斌 ,  邵宁 ,  黄秋霞 ,  张磊 ,  周焕福

IPC: G06Q10/04 ,  G01R27/26 ,  G06F18/214 ,  G06F18/24 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明是一种基于晶体图卷积神经网络的微波介质陶瓷介电常数预测方法。包括以下步骤：首先，从文献和数据库中获取微波介质陶瓷的化学式、介电常数和CIF文件。将数据集样本输入CGCNN，从CIF文件中提取晶胞的原子和化学键信息，构建晶体图数据，并对介电常数进行归一化。通过卷积层对晶体图进行特征提取，并通过池化层保留重要特征，随后全连接层组合最适合的特征表示。使用随机梯度下降优化器对模型进行训练，并利用Optuna优化框架调优超参数。预测模型训练完成后，将待预测陶瓷的CIF文件输入CGCNN，即可输出其介电常数预测值。该方法提供了简单输入、高准确率微波介质陶瓷介电常数的预测模型，具有较高的应用价值。

公开(公告)号：CN119227516A

公开(公告)日：2024-12-31

申请号：CN202411251202.3

申请日：2024-09-06

Applicant: 桂林理工大学

Inventor： 刘晓斌 ,  黄秋霞 ,  苏畅 ,  邵宁 ,  张磊 ,  周焕福

IPC: G06F30/27 ,  G06N3/0464 ,  G06F18/214 ,  G06N3/0985 ,  G06N3/0499 ,  G06N3/045

Abstract: 本发明提出了一种基于成分限制的注意力卷积网络的尖晶石陶瓷微波介电常数预测方法，具体步骤如下：首先，收集文献中的尖晶石型微波介质陶瓷的化学式及其介电常数，并将化学式转化为基础元素向量，结合组成编码和对数编码进行数据嵌入。其次，采用Adam优化算法进行超参数优化。通过Transformer编码器对嵌入的数据进行特征提取，卷积层进一步处理这些特征，池化层保留重要特征。然后，使用残差网络对数据进行训练。训练完成后，将待预测的尖晶石型微波介质陶瓷化学式输入模型，即可输出其介电常数。该方法通过化学式输入即可实现更准确的性能预测，显著提升了材料开发效率并降低了实验试错成本。