摘要
本发明涉及一种数据驱动的低熔点熔盐储热材料逆向开发方法,基于先进机器学习算法,通过整理的已有熔盐数据集,实现了对低熔点熔盐的定向开发,通过搭建的主动学习框架,对低熔点熔盐的组分进行了预测,并通过实验进行了验证,极大的缩短了新型熔盐材料的开发周期。本发明设计了低熔点熔盐材料定向开发的主动学习策略,从调整机器学习算法超参数到最后的实验表征,耗时时间短,可在一天内完成,而传统的实验开发策略随机性太强,基本以数月为开发周期,本发明极大的提高了高性能熔盐开发的效率,并且实验次数也大幅度减少,减小了熔盐开发成本。
技术关键词
熔盐储热材料
开发方法
高斯混合模型
马尔科夫链蒙特卡洛方法
样本
生成数据集
概率密度函数
先进机器学习
主动学习框架
主动学习策略
期望最大化算法
低熔点熔盐
协方差矩阵
新型熔盐
分类器模型
自动编码器
系统为您推荐了相关专利信息
金属制品表面
质检方法
孪生神经网络
颜色
解码器
降阶模型
建模方法
粉煤气化炉
分区
代理模型建模
激光
引入注意力机制
神经网络架构
变量
动态权重分配
滤波器
矩阵
数据降维方法
拉普拉斯
构建测试数据