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

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。