摘要
本发明属于智能分子动力学模拟技术领域,涉及一种基于跨尺度协同优化的低温电解液性能预测方法和系统,包括:通过分子动力学模拟获得低温电解液结构模型;对低温电解液结构模型中锂离子配位施加高斯偏置势,获得电解液动态数据;获取电解液的分子图向量和非共价作用能向量;将电解液动态数据、分子图向量和非共价作用能向量融合为特征融合向量;根据图神经网络模型,建立低温电解液预测模型,通过特征融合向量对低温电解液预测模型进行训练;将候选电解液配方输入训练好的低温电解液预测模型,生成电解液的关键性能。其实现了低温范围内电解液关键性能的高精度预测与筛选,显著降低低温电解液研发的实验成本与周期。
技术关键词
低温电解液
性能预测方法
电解液配方
分子
局部结构特征
时间变化曲线
神经网络模型
长链烷基基团
性能预测系统
低温电池
模型训练模块
训练集数据
预测误差
密度
节点
输出模块
系统为您推荐了相关专利信息
高分子材料
温度监测模块
高精度温度传感器
预测建模
控制模块
电卡材料
计算方法
电场
机器学习训练
学习深度神经网络
环境内分泌干扰物
数据整合分析方法
多组学数据整合分析
分布式爬虫框架
XML格式数据
性能预测模型
催化剂结构
机器学习算法
分子
三维结构