申请/专利权人：深圳市证通电子股份有限公司;湖南大学

申请日：2021-12-02

公开（公告）日：2024-06-25

公开（公告）号：CN114141318B

主分类号：G16C20/64

分类号：G16C20/64;G16C20/70;G16C60/00;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.03.22#实质审查的生效;2022.03.04#公开

摘要：本发明公开了一种基于HPC与AI融合的高效电催化剂筛选方法，其特征在于，包括：采集多个原始晶体结构，获取每个原始晶体结构的多个非等效切割表面和多个吸附位点，所有原始晶体结构的所有切割表面和所有吸附位点构成吸附数据集，针对吸附数据集中的每个吸附位点而言，对该吸附位点进行解析，以获取该吸附位点对应的特征信息，包括原子特征、相邻特征、以及连接距离特征，从所有原始晶体结构中选择多个原始晶体结构，将选择的每个原始晶体结构的每个吸附位点对应的特征信息输入训练好的卷积‑高斯过程模型中，以得到每个吸附位点的预测吸附能ΔE作为目标输出结果。本发明能够解决现有的实验筛选方法筛选的高成本和周期长的技术问题。

主权项：1.一种基于HPC与AI融合的高效电催化剂筛选方法，其特征在于，包括如下步骤：1采集多个原始晶体结构，获取每个原始晶体结构的多个非等效切割表面和多个吸附位点，所有原始晶体结构的所有切割表面和所有吸附位点构成吸附数据集；2针对步骤1得到的吸附数据集中的每个吸附位点而言，对该吸附位点进行解析，以获取该吸附位点对应的特征信息，包括原子特征、相邻特征、以及连接距离特征；3从步骤2得到的所有原始晶体结构中选择多个原始晶体结构，将选择的每个原始晶体结构的每个吸附位点对应的特征信息输入训练好的卷积-高斯过程CFGP模型中，以得到每个吸附位点的预测吸附能ΔE作为目标输出结果；4设置计数器i＝1；5判断i是否大于步骤3选择的吸附位点的总数，如果是则进入步骤8，否则进入步骤6；6根据火山关系图判断步骤3选择的第i个吸附位点的预测吸附能是否处于火山关系图中的最优吸附值范围内，如果是则进入步骤7，否则设置计数器i＝i+1，并返回步骤5；7使用密度泛函理论DFT方法对第i个吸附位点对应的特征信息进行计算，并判断计算结果与步骤3得到的该第i个吸附位点的预测吸附能之间的误差值是否小于0.2eV，如果是则将步骤2得到的第i个吸附位点对应的原始晶体结构作为候选催化剂，然后设置计数器i＝i+1，并返回步骤5，否则设置计数器i＝i+1，并返回步骤5；8对得到的所有候选催化剂的吸附能结果及其对应的特征信息存入数据库。

全文数据：

权利要求：

百度查询： 深圳市证通电子股份有限公司;湖南大学 一种基于HPC与AI融合的高效电催化剂筛选方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD