一种基于深度学习的晶格设计与性能预测方法

本发明公开了一种基于深度学习的晶格设计与性能预测方法，包括：S1、构建晶格数据集；S2、构建深度学习框架，并利用晶格数据集对其训练，得到伪物理增强神经网络模型，其包括初步学习输入特征和输出特征之间的关系的主干网络以及抽取输入特征和输出特征显化的伪物理信息的伪物理信息提取网络；S3、将未知性能的晶格结构几何参数输入到所述物理增强模型中，输出对应的机械性能及显化的物理关系，进而根据物理关系进行晶格结构设计。本发明方法利用深度学习模型和算法，从晶格结构的几何数据中提取有效的特征，实现对不同结构机械性能高效、准确、可靠的预测。