摘要
本公开涉及一种训练人工智能成键数预测模型的方法和成键数预测方法,其中,训练人工智能成键数预测模型的方法包括:获取噪声数据,将噪声数据输入预设GAN生成器,得到生成样本;设置预设温度、预设压力、硅氧烷预聚物结构模型的第一数量和二甲基硅氧烷单体结构模型的第二数量;应用预设温度、预设压力、第一数量和第二数量于预设分子动力学模拟计算过程以构建二甲基硅氧烷致密膜结构模型,并获取该二甲基硅氧烷致密膜结构模型的Si‑O‑Si键的成键数;基于对抗生成网络进行数据增强,得到多组生成数据;利用生成数据与真实样本训练随机森林模型,得到用于预测二甲基硅氧烷致密膜结构模型的Si‑O‑Si键的成键数的随机森林模型。
技术关键词
二甲基硅氧烷
硅氧烷预聚物
分子动力学模拟计算
膜结构
随机森林模型
噪声数据
单体结构
数预测方法
样本
压力
软件
梯度算法
温度平衡
参数
可读存储介质
存储器
处理器
电子设备
系统为您推荐了相关专利信息
消防排烟风机
状态检测方法
数据
随机森林模型
傅里叶变换处理
磁性天线
电磁噪声
趋势预测方法
趋势预测模型
特征选择
时间序列特征
批量
多模型协同
进程
长短期记忆网络
抗原制剂
微流控芯片
功能化磁珠
过敏
电离飞行时间质谱