摘要
本发明提供了一种光伏材料预测方法,包括:将化学分子的结构信息转换为SMILES字符串,并识别分子中的原子、键等;将SMILES字符串中的每个字符转换为其对应的ASCII码,从而将文本数据转换为多维向量的形式,以便神经网络模型能够进行处理;根据所述转换得到的ASCII码构建RNN模型,对材料效率做初步预测;图神经网络训练,先引入原子水平注意机制,再引入分子水平注意机制。本发明创造带来的有益效果是,可以高效处理筛选分析有机光伏活性层材料的同时,抓住高效率材料的关键因素,加快有机光伏材料的开发与应用。
技术关键词
有机光伏材料
RNN模型
神经网络训练
分子
神经网络模型
加速模型训练
注意力机制
数据生成器
计算机内存
高效率
字符
预测误差
原子团
多阶段
层材料
分阶段
参数
系统为您推荐了相关专利信息
可穿戴设备数据
心血管疾病风险
机器学习模型
心血管风险评估
Logistic回归模型
免疫检测技术
荧光免疫分析仪
分子
缓冲液
抗体磁珠
测试用例智能生成方法
产品需求文档
图谱
智能体模型
智能过滤系统