一种基于机器学习预测两电子氧还原碳基电催化剂性能的方法和系统

本发明涉及一种基于机器学习预测两电子氧还原碳基电催化剂性能的方法和系统。方法包括：收集碳基电催化剂的参数、制备条件和对应的两电子氧还原的性能数据；将收集到的数据转化为数值数据，并进行归一化处理；将处理后的数据导入机器学习模型中，调整机器学习模型的超参数后进行训练；根据机器学习模型的精度，采用算法评价指标确定每次数据应用场景下的最优机器学习模型，并在最优机器学习模型下寻优，以找出最佳的两电子氧还原碳基电催化剂和制备条件。与现有技术相比，本发明能够快速、准确地提升两电子氧还原过程的性能，并降低人工和实验成本，代替传统试错实验。