(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110717315.8 (22)申请日 2021.06.28 (65)同一申请的已公布的文献号 申请公布号 CN 113326664 A (43)申请公布日 2021.08.31 (73)专利权人 南京玻璃纤维研究设计院有限公 司 地址 210012 江苏省南京市雨 花台区安德 里30号 (72)发明人 赵谦　赵明　刘鑫　陈阳　匡宁　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 张勇 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) (56)对比文件 CN 111091878 A,2020.0 5.01 CN 111627505 A,2020.09.04EP 2381381 A1,201 1.10.26 AU 202010 0709 A4,2020.0 6.11 CN 10896 0493 A,2018.12.07 CN 112216355 A,2021.01.12 CN 112687351 A,2021.04.20 CN 102944751 A,2013.02.27 WO 20191 11636 A1,2019.0 6.13 WO 2019172 280 A1,2019.09.12 US 2020381085 A1,2020.12.0 3 JP 2019148437 A,2019.09.0 5 郑伟达等.基 于不同机 器学习算法的钙钛矿 材料性能预测. 《中国有色金属学报》 .2019,(第 04期), 陈平等.环氧树脂 体系固化反应及其复合材 料介电性能. 《高分子通报》 .20 03,(第04期), Lihua Chen.Frequency-dependent dielectric co nstant predicti on of polymers usi ng machine learn ing. 《npj Computati onal Materials》 .2020,第1 147-1155 页. 审查员 闪赛 (54)发明名称 一种基于M5P算法预测玻璃介电常数的方法 (57)摘要 本发明公开了一种基于M5P算法预测玻璃介 电常数的方法， 属于玻璃性能预测技术领域。 所 述方法通过提供一种新的具有不同对称性的氧 化物团簇的原子结构模型的构造方法， 并基于第 一性原理考虑电子结构， 只 构造团簇而不构造晶 体， 从而既可 以反映体系的状态， 又不增加计算 成本， 同时保证了介电常数的预测准确度。 而且 本申请采用M5P模型树构造介电常数预测模型， 不需要考虑全局线性回归， M5P模型树将样本特 征划分为若干个 分段线性回归， 树的可解释性更 强， 而且该算法的训练模型时间短。 权利要求书3页 说明书11页 附图3页 CN 113326664 B 2022.10.21 CN 113326664 B 1.一种基于 M5P算法预测玻璃介电常数的方法， 其特 征在于， 所述方法包括： 步骤1， 采集不同成分构成的玻璃材料的介电常数数据， 构建介电常数数据库， 该库中 包括一一映射的玻璃成分和其对应的介电常数； 步骤2， 基于第一性原理构造氧化物玻璃材料中具有不同对称性的氧化物团簇的原子 结构模型， 并以每种团簇的每单位 阳离子i的结合能 含有阳离子i的团簇对应的阳 离子和氧离子的平衡键长、 阳离子i在各类团簇中的巴德电荷和包含 阳离子i的各类团簇的 HOMO‑LUMO gap； 所述包含阳离子i的各类团簇的HOMO ‑LUMO gap为包含阳离子i的团簇 结构 的最高占据分子轨道和 最低未占分子轨道的能量的差值作为性能参数构造介电常数的包 含“材料基因”的描述符； 步骤3， 基于步骤1构建的介电常数数据库和步骤2构造的描述符， 构建训练集、 验证集 和测试集； 步骤4， 基于M5P模型树构建介电常数预测模型， 根据步骤3构造的训练集、 验证集和测 试集对所构建的介电常数 预测模型进行训练， 得到训练好的介电常数 预测模型； 步骤5， 针对待预测的玻璃材料， 利用训练好的介电常数预测模型预测该玻璃材料的介 电常数； 所述步骤2包括： 步骤2‑1， 构造具有不同对称性的氧化物团簇的原子结构模型， 作为第 一性原理计算的 晶胞； 步骤2‑2， 对于在步骤2 ‑1中构造的每一类氧化物 团簇的晶胞结构， 进行第一性原理计 算， 获得每种晶胞的团簇能量Ecluster和结构常数； 步骤2‑3， 对于步骤2 ‑1中构造得到的每一种晶胞结构； 通过进一步的第一性原理计算 获得其性能参数集 合， 构造用于 机器学习的描述符 其中n是‑3到+3之间的所有非零整数， Ci是对应阳离子i的比例， Cation为阳离子i的集 合， xi是对应阳离子i的第一性原理计算的性能参数； 性能参数包括每种团簇的每单位阳离 子i的结合能 含有阳离子i的团簇对应的阳离子和氧离子的平衡键长、 阳离子i在 各类团簇中的巴德电荷和 包含阳离子i的各类团簇的HOMO ‑LUMO gap； 所述包含阳离子i的 各类团簇的HOMO ‑LUMO gap为包含阳离子i的团簇结构的最高占据分子轨道和最低未占分 子轨道的能量的差值。 2.根据权利要求1所述的方法， 其特征在于， 所述步骤2 ‑1构造具有不同对称性的氧化 物团簇的原子结构模型时， 按照以下规则进行构造： (1)每个团簇都处在一个 的立方晶胞 里； (2)针对玻璃成分中存在的每种阳离子， 将该阳离子对应的原子放置于晶胞中心， 在其 周围按照线性分子的方式添加2个氧原子； 同时在每个氧原子上沿着从中心原子到氧原子 的原子键的延长方向添加一个氢原子， 每一个氧原子和氢原子组成一个羟基； (3)针对玻璃成分中存在的每种阳离子， 将该阳离子对应的原子放置于晶胞中心， 在其权　利　要　求　书 1/3 页 2 CN 113326664 B 2周围按照3次旋转对称的方式在同一平面添3个氧原子， 同时在每个氧原子上沿着从 中心原 子到氧原子的原子 键的延长方向添加一个氢原子， 每一个氧原子和氢原子组成一个羟基； (4)针对玻璃成分中存在的每种阳离子， 将该阳离子对应的原子放置于晶胞中心， 在其 周围按照四面体对称的方式添加4个氧原子， 同时在每个氧原子上沿着从中心原子到氧原 子的原子 键的延长方向添加一个氢原子， 每一个氧原子和氢原子组成一个羟基； (5)针对玻璃成分中存在的每种阳离子， 将该阳离子对应的原子放置于晶胞中心， 在其 周围按照八面体对称的方式添加6个氧原子， 同时在每个氧原子上沿着从中心原子到氧原 子的原子 键的延长方向添加一个氢原子， 每一个氧原子和氢原子组成一个羟基。 3.根据权利要求2所述的方法， 其特征在于， 所述每种团簇的每单位阳离子i的结合能 的计算方式为： 使用步骤2 ‑1中构造的晶胞结构中氧化物团簇的团簇 能量Ecluster减去相同数目和种类 的单个原子的能量之和求得， 计算公式为： 式中， l为氧化物团簇中氧原子的数目， Ei和EOH分别为单个阳离子和单个羟基在一个 的立方晶胞 里能量。 4.根据权利要求3所述的方法， 其特征在于， 所述步骤1中构建介电常数数据库时， 还包 括， 对采集到的介电常数 数据进行 预处理， 所述预处 理包括： 针对两两玻璃成分， 判断以下两个条件是否同时成立： 条件1： 每种氧化物组元的成分的摩尔比差值小于等于第一预设阈值， 单位 为百分比； 条件2： 介电常数的差值大于第二预设阈值， 单位 为百分比； 若同时成立， 则将对应的玻璃成分和相应的介电常数 数据从数据库中剔除。 5.根据权利要求4所述的方法， 其特征在于， 所述第 一预设阈值为2％， 第 二预设阈值为 10％。 6.根据权利要求5所述的方法， 其特征在于， 所述步骤4， 基于M5P模型树构建介电常数 预测模型， 包括： 步骤4‑1， 设定M5P模型树的最大层数集合h＝{h1， h2， h3， .....， hg}和节点分裂的最小样 本数集合f＝{f1， f2， f3， .....， fj}； 步骤4‑2， 对于(h1， f1)， 基于样本数据的标准差进行划分， 选出二叉树分裂节点的特征 参数 步骤4‑3， 对每个叶节点， 采用多元线性回归模型， 建立介电常数和该叶节点所处的分 支剩余未划分特 征参数Unpar t的线性回归 模型： 式中， Unpart为该分支树 中其余未划分的描述符的集合， θ为回归参数集合， D为所有描 述符组成的集 合， I为示性函数； 步骤4‑4， 利用步骤3中的训练集Dl， 按照最小二乘法确定每个叶节点对应的线 性模型的 系数[ θ0l, θl]， 其中[ θ0l, θl]为数据集Dl下的回归参数； 步骤4‑5， 利用步骤3中的验证集， 计算线性回归 模型在验证集中的均方误差值：权　利　要　求　书 2/3 页 3 CN 113326664 B 3