一种材料成分与性能映射的不确定性量化方法

本发明涉及一种材料成分与性能映射的不确定性量化方法，属于材料科学技术领域。首先，从Materials Project数据库收集材料成分数据；然后，使用全连接神经网络将数据中的原子序数和分数编码为高维向量；接着，将这些高维向量结合成元素派生矩阵，并输入Transformer模块学习化学结构信息；最后，将学习得到的化学结构信息特征，通过谱归一化残差MLP处理，并在输出层应用高斯过程建模来量化不确定性。本发明应用在材料属性预测中，不仅能给出材料性能的预测值，还能量化预测的不确定性，提供预测结果的分布。