(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 202110705753.2 (22)申请日 2021.06.24 (65)同一申请的已公布的文献号 申请公布号 CN 113505527 A (43)申请公布日 2021.10.15 (73)专利权人 中国科学院计算机网络信息中心 地址 100190 北京市海淀区中关村南四街 4 号院内2号楼 (72)发明人 王宗国　郭佳龙　王彦棡　刘志威　 王珏　李杨　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 周新楣 (51)Int.Cl. G06F 30/27(2020.01)G06K 9/62(2022.01) G06F 119/02(2020.01) (56)对比文件 CN 111177915 A,2020.0 5.19 CN 110797096 A,2020.02.14 CN 109949877 A,2019.0 6.28 CN 111429980 A,2020.07.17 US 20202 27143 A1,2020.07.16 US 8111722 B1,2012.02.07 姜延鑫.基 于数据驱动的实时结构拓扑优化 研究. 《中国优秀硕士学位 论文全文数据库工程 科技Ⅱ辑》 .2021,(第2期), 审查员 游婧 (54)发明名称 一种基于数据驱动 的材料性质预测方法及 系统 (57)摘要 本发明提供一种基于数据驱动的材料性质 预测方法及系统。 在一个实施例中， 获取目标材 料的预测数据集； 根据所述目标材料的预测数据 集获取所述目标材料的初始特征向量； 将所述初 始特征向量输入到特征重组网络模 型中， 得到所 述目标材料的重组特征向量； 根据所述目标材料 的重组特征向量结合所述特征重组网络模型对 应的评估算法对 所述材料的目标性质进行预测。 根据已有的数据自动选择和学习新的材料特征， 使得在可处理的数据维度下， 获得更加准确的特 征描述， 对目标材料性质预测的准确性也不断提 高。 权利要求书2页 说明书6页 附图3页 CN 113505527 B 2022.10.04 CN 113505527 B 1.一种基于数据驱动的材 料性质预测方法， 其特 征在于， 包括： 获取目标 材料的训练数据集和 测试数据集； 根据所述训练数据集获取所述目标材料的初始特征向量， 并根据 所述初始特征向量设 计特征重组网络的超参数信息； 根据所述超参数信息， 产生多个特征重组网络进行训练， 并获取不同权值对应的重组 特征向量； 利用所述重组特 征向量对训练数据集中的材 料的性质进行 预测并获取 预测目标值； 利用模型评估算法获取预测目标与真实目标值的评估值， 根据 所述评估值对特征重组 网络进行筛 选和优化； 其中， 所述真实目标值与所述测试 数据集中的材 料的性质相对应； 获取目标 材料的预测数据集； 根据所述目标 材料的预测数据集获取 所述目标 材料的初始特 征向量； 将所述初始特征向量输入到特征重组网络模型中， 得到所述目标材料的重组特征向 量； 根据所述目标材料的重组特征向量结合所述特征重组网络模型对应的评估算法对所 述目标材料的性质进行 预测； 所述获取目标 材料的预测数据集包括： 根据用户输入的筛 选条件， 从已有的数据集中获取目标 材料的预测数据集； 和/或， 将用户输入的材 料数据集作为目标 材料的预测数据集； 和/或， 对用户输入的目标材料数据集进行扩充， 并将扩充以后的数据集作为目标材料的预测 数据集。 2.根据权利要求1所述的方法， 其特征在于， 所述目标材料的预测数据集中至少包括： 目标材料的化学式、 目标 材料的成分信息和晶胞信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述目标材料的预测数据集获取 所述目标 材料的初始特 征向量包括： 根据所述预测数据集中的材 料数据获取初始特 征向量； 或者， 在基础物理化学信 息库中对所述预测数据集中的数据进行检索， 根据检索到的与 所述 预测数据集中的材 料数据相关的信息获取初始特 征向量。 4.根据权利要求1所述的方法， 其特征在于， 所述评估算法可以是机器学习模型或者经 验模型。 5.根据权利要求1所述的方法， 其特征在于， 所述方法还包括： 将所述特征重组网络模 型和所述特 征重组网络模型对应的评估算法存 储到模型 数据库中。 6.一种基于数据驱动的材 料性质预测系统， 其特 征在于， 包括： 获取单元， 用于获取目标 材料的训练数据集和 测试数据集； 训练单元， 根据所述训练数据集获取所述目标材料的初始特征向量， 并根据所述初始 特征向量设计特征重组网络的超参数信息； 根据所述超参数信息， 产生多个特征重组网络 进行训练， 并获取不同权值对应的重组特征向量； 利用所述重组特征向量对训练数据集中 的材料的性质进 行预测并获取预测目标值； 利用模型评估算法获取预测目标与真实目标值 的评估值， 根据所述评估值对特征重组网络进行筛选和优化； 其中， 所述真实目标值与所述 测试数据集中的材 料的性质相对应；权　利　要　求　书 1/2 页 2 CN 113505527 B 2所述获取单元， 还用于获取目标材料的预测数据集， 并根据所述目标材料的预测数据 集获取所述目标 材料的初始特 征向量； 预测单元， 用于将所述初始特征向量输入到特征重组网络模型中， 得到所述目标材料 的重组特征向量， 并根据所述目标材料的重组特征向量结合所述特征重组网络模型对应的 评估算法对所述目标 材料的性质进行 预测； 所述获取目标 材料的预测数据集包括： 根据用户输入的筛 选条件， 从已有的数据集中获取目标 材料的预测数据集； 和/或， 将用户输入的材 料数据集作为目标 材料的预测数据集； 和/或， 对用户输入的目标材料数据集进行扩充， 并将扩充以后的数据集作为目标材料的预测 数据集。权　利　要　求　书 2/2 页 3 CN 113505527 B 3