特征融合的卷積神經(jīng)網(wǎng)絡(luò)材料性質(zhì)預(yù)測模型

摘要： 針對目前大多數(shù)機(jī)器學(xué)習(xí)模型預(yù)測材料性質(zhì)時需要大量的先驗知識以及特征向量篩選困難的問題，基于電子軌道矩陣和元素周期表法兩種描述符，通過特征融合的方式，設(shè)計了一種卷積神經(jīng)網(wǎng)絡(luò)模型OPCNN(Orbital of electron and Periodic table CNN)。實驗數(shù)據(jù)表明，OPCNN與其他預(yù)測模型相比，在帶隙、生成熱以及形成能數(shù)據(jù)集上都有著更好的性能，平均絕對誤差...