Title | 函数构建方法、装置、设备及介质 |
Author | |
First Inventor | 李磊
|
Original applicant | 南方科技大学
|
First applicant | 南方科技大学
|
Address of First applicant | 518055 广东省深圳市南山区西丽学苑大道1088号
|
Current applicant | 南方科技大学
|
Address of Current applicant | 518055 广东省深圳市南山区西丽学苑大道1088号 (广东,深圳,南山区)
|
First Current Applicant | 南方科技大学
|
Address of First Current Applicant | 518055 广东省深圳市南山区西丽学苑大道1088号 (广东,深圳,南山区)
|
Application Number | CN202211618757.8
|
Application Date | 2022-12-15
|
Open (Notice) Number | CN115762686A
|
Date Available | 2023-03-07
|
Status of Patent | 实质审查
|
Legal Date | 2023-03-24
|
Subtype | 发明申请
|
SUSTech Authorship | First
|
Abstract | 本申请实施例提供了函数构建方法、装置、设备及介质,通过获取材料结构的原子的总受力值和位置值;根据位置值和指纹化参数值得到中心原子对称性函数的函数值;根据总受力值和函数值构建训练集;根据训练集训练机器学习模型至收敛;根据收敛的机器学习模型计算特征相关值;根据特征相关值确定目标指纹化参数值;将目标指纹化参数值代入函数得到用来拟合机器学习力场的目标函数;能利用机器学习根据数据集自动构建材料结构的中心原子对称性函数,自动实现指纹化参数优化,无需依赖专家知识和人工操作;机器学习模型只关注训练集的误差和特征选择所得结果,具有速度快、精度高、计算代价小的优点。 |
Other Abstract | 本申请实施例提供了函数构建方法、装置、设备及介质,通过获取材料结构的原子的总受力值和位置值;根据位置值和指纹化参数值得到中心原子对称性函数的函数值;根据总受力值和函数值构建训练集;根据训练集训练机器学习模型至收敛;根据收敛的机器学习模型计算特征相关值;根据特征相关值确定目标指纹化参数值;将目标指纹化参数值代入函数得到用来拟合机器学习力场的目标函数;能利用机器学习根据数据集自动构建材料结构的中心原子对称性函数,自动实现指纹化参数优化,无需依赖专家知识和人工操作;机器学习模型只关注训练集的误差和特征选择所得结果,具有速度快、精度高、计算代价小的优点。 |
IPC Classification Number | G16C60/00
; G06F30/20
; G06F113/26
; G06F119/14
|
INPADOC Legal Status | (ENTRY INTO FORCE OF REQUEST FOR SUBSTANTIVE EXAMINATION)[2023-03-24][CN]
|
INPADOC Patent Family Count | 1
|
Extended Patent Family Count | 1
|
Priority date | 2022-12-15
|
Patent Agent | 冯健良
|
Agency | 广州嘉权专利商标事务所有限公司
|
URL | [Source Record] |
Data Source | PatSnap
|
Document Type | Patent |
Identifier | http://kc.sustech.edu.cn/handle/2SGJ60CL/532447 |
Department | Department of Materials Science and Engineering |
Recommended Citation GB/T 7714 |
李磊,周川,李韧哲,等. 函数构建方法、装置、设备及介质.
|
Files in This Item: | There are no files associated with this item. |
|
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment