本发明提供了一种基于机器学习筛选
锂硫电池中最佳载体材料的方法及系统，包括：对AB
2型二维层状载体材料的结构进行优化；设置多种多硫化物，利用密度泛函理论计算吸附能，构建吸附结构与吸附能相对应的数据集；对数据集中的结构进行原子局部化学环境计算，得到数据集中的结构特征；基于数据集中的结构特征对深度神经网络进行训练，根据训练后的深度神经网络预测任意构型、任意位点的吸附能；利用迁移学习算法，对预设的AB
2型二维层状载体材料吸附多硫化物的深度神经网络参数进行相应调整；对预设的AB
2型二维层状载体材料吸附多硫化物的深度神经网络进行训练，根据训练后深度神经网络预测得到任意构型、位点的吸附能，根据平均值衡量吸附能力的大小。
声明：
“基于机器学习筛选锂硫电池中最佳载体材料的方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
897
编辑：管理员
来源：北方有色网
咨询细节
