基于自适应优化算法与图神经网络的聚合物玻璃化转变温度预测方法、设备、介质

本发明涉及一种基于自适应优化算法与图神经网络的聚合物玻璃化转变温度预测方法、设备、介质，预测方法包括：将聚合物分子结构数据转换为包含节点特征和边特征的图结构数据；获取训练参数配置信息；基于训练参数配置信息，构建包括图卷积层、图池化层、全连接层的图神经网络模型，采用改进的RAdam优化算法进行训练；通过梯度累积策略累计多批次梯度后执行模型参数更新，并基于验证集的平均绝对误差和均方误差动态评估模型性能，保存最优模型参数；利用优化后的模型实现聚合物Tg的预测。与现有技术相比，本发明实现聚合物Tg预测精度与训练效率的同步提升，突破传统实验测量的低通量瓶颈与计算模拟的精度‑尺度矛盾。