一种基于XLM-R神经网络的电池材料电压预测方法及系统

本发明提出一种基于XLM‑R神经网络的电池材料电压预测方法及系统，包括：从材料数据库收集电池材料的多维特征数据；对多维特征数据进行预处理；将预处理后的多维特征数据输入预训练的XLM‑R神经网络模型，结合电池材料的电压数据进行模型微调训练；引入机器学习算法，形成XLM‑R神经网络预测模型；通过所述预测模型对待测电池材料进行电压预测。本发明利用数据库，结合XLM‑R神经网络模型，学习材料属性与电压之间的关系，实现电池材料电压的高效精准预测，显著缩短电池材料研发周期，降低研发成本，解决现有电池材料电压预测方法中数据稀缺性、高效预测方法匮乏以及传统方法难以泛化和计算成本高昂的问题。