基于模块化深度学习的材料属性预测方法和装置

AITNT
正文
推荐专利
基于模块化深度学习的材料属性预测方法和装置
申请号:CN202411544227
申请日期:2024-10-31
公开号:CN119560066B
公开日期:2025-11-04
类型:发明专利
摘要
本发明提供一种基于模块化深度学习的材料属性预测方法和装置,应用于云端材料知识共享平台,云端材料知识共享平台加载有材料知识库,材料知识库包括:多组参数模块,一组参数模块对应一个异质材料任务,异质材料任务用于实现材料的属性预测;方法包括:接收用户上传的目标材料的目标属性预测问题;基于目标属性预测问题在材料知识库中查询,确定对应的目标参数模块,并将目标参数模块返回至用户;其中,目标参数模块用于:使用户基于目标参数模块训练模型,并基于训练后的模型进行目标材料的属性预测。通过本发明提供的方法,从材料知识库中选取与给定下游任务最相关的模块,有效适配下游材料属性预测任务。
技术关键词
属性预测方法 知识共享平台 异质 参数 子模块 深度学习模型 非暂态计算机可读存储介质 云端 算法 处理器 预测装置 存储器 电子设备 标签 误差 网络
系统为您推荐了相关专利信息
1
基于量子态可叠加性的多样本数据降维方法及装置
数据降维方法 量子态 机器学习模型 编码技术 编码模块
2
车辆座舱调节方法、装置、车辆和存储介质
车辆座舱 图像 文件夹 关节点 样本
3
一种支持仪器仪表LAN/CAN/USB接口的AI远程控制装置
远程控制装置 USB接口 仪器仪表 专用模块 终端设备
4
一种位流处理方法、装置及设备
FPGA芯片 移位寄存器 位线 模块 存储单元阵列
5
一种用于主动降噪的风机自适应节能控制方法及系统
节能控制方法 风机转速 心理声学模型 预测控制模型 降噪算法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号