摘要
本发明公开了一种逆向设计纳米粒子自组装结构相界线的计算方法,该系统包含了候选目标结构数据集的构建模块;纳米粒子自组装模拟模块;结构相似度预测模块,用于通过卷积神经网络作为代理模型实现目标结构与搜索结构之间的相似度度量;目标结构自由参数优化模块,用于优化以卷积神经网络代理模型构建的相似度函数;相界线绘制模块,用于采用主动学习方法绘制相界线。本发明基于逆向设计提供主动学习方法绘制相边界的初始样本,无需额外的小批量经验样本,采用上述计算方法减少了计算的实验成本和时间,加速了自组装结构的相界线绘制。此外,本发明提供了额外的候选结构设计方案,有利于新结构的发现,促进其在纳米自组装理论和材料合成中的应用。
技术关键词
主动学习方法
标签传播算法
全局优化算法
样本
粒子
参数
度函数
模拟计算方法
纳米
结构设计方案
模块
数据
组装系统
数学
蒙特卡洛
采样方法
标记
组装结构
系统为您推荐了相关专利信息
粒子群优化算法
喷雾
特性预测方法
动态
三维模型
车牌识别设备
车牌图像识别方法
数据分析平台
图像播放方法
图像播放设备
新能源发电预测
场景构建方法
ARIMA模型
负荷预测误差
需求预测模型
融合注意力机制
时序
多元时间序列数据
更新网络参数
变量