[发明专利]基于机器学习快速预测ABO3

权利要求书

1.一种基于机器学习快速预测ABO₃钙钛矿带隙的在线预报方法，其特征在于：包括如下步骤：

1）从文献中收集ABO₃钙钛矿材料的化学式和对应的带隙数值以及ABO₃钙钛矿材料的部分实验条件，作为机器学习的数据集样本；

2）利用已收集到的数据，根据化学式生成对应的原子参数描述符，并在描述符生成过程中，对缺损数值的样本进行删除处理；

3）将在所述步骤1）中得到的数据集样本随机划分为训练集和测试集；

4）以在所述步骤1）中收集到的带隙为目标变量，部分实验条件及在所述步骤2）中生成的原子参数描述符为特征变量；利用嵌入法结合梯度提升回归算法，对在所述步骤3）中得到的训练集进行特征筛选，选出建模的最优特征，作为建模的最优特征子集；

5）利用材料数据挖掘在线计算平台上的梯度提升回归算法和在步骤4）中筛选好的特征变量，建立ABO₃钙钛矿材料带隙的快速预报模型；

6）根据在所述步骤5）中建立的ABO₃钙钛矿材料带隙的预报模型，预报在所述步骤3）中得到的测试集样本的带隙；

7）将步骤5）中建立的ABO₃钙钛矿材料带隙预报模型通过材料数据挖掘在线计算平台的模型分享功能，生成快速预报ABO₃钙钛矿材料带隙的在线预报应用程序，进行ABO₃钙钛矿带隙的在线快速预报；

在所述步骤4）中，删除噪声大且重复性较高的特征变量，选出建模的最优特征，作为建模的最优特征子集，减少了数据噪音，提高了筛选精度。

2.根据权利要求1所述基于机器学习快速预测ABO₃钙钛矿带隙的在线预报方法，其特征在于，在所述步骤4）中，梯度提升回归算法如下：

梯度提升回归算法通过添加新的回归树以最小化每次迭代中的目标函数，每棵新树都是在上一棵树的残差上进行学习，并且都沿着损失函数的负梯度方向进行训练，通过多次迭代，训练多个弱学习器，最终将这些弱学习器进行线性组合产生一个强学习器。