[发明专利]一种新材料合成工艺的智能设计系统及方法

说明书

技术领域

本发明涉及新材料合成技术领域，尤其涉及一种新材料合成工艺的智能设计系统及方法。

背景技术

材料是人类生产和生活的物质基础，材料创新促进了技术的发展和产业的升级，是推动人类文明进步的重要动力之一。近十年来，世界材料产业的产值以每年约30％的速度增长，其中，微电子、光电子、化工新材料是发展最快、应用前景最广的新材料领域。不同应用领域对材料的性能需求不同，然而，材料的性能包括物理，化学、光学、电学、生物学、磁性等不同方面的性能很大程度上由材料合成工艺决定，为了提升材料的某种性能，寻找优化的材料合成工艺是新材料开发中最具挑战的一步。如图1所示，为现有技术中新材料合成工艺建立的流程图，现有技术中新材料合成工艺主要利用以试错为基础的大量实验确定，通过反复调整新材料合成工艺的参数并对合成后的材料进行性能检测来寻找符合性能要求的新材料合成工艺，通常需要经历无数次失败才有可能获得符合性能要求的新材料，使得新材料的开发周期长，效率低，不能保证获取的新材料合成工艺为最佳的合成工艺。

发明内容

本发明提供一种新材料合成工艺的智能设计系统及方法，通过对现有的文献数据进行预处理后训练和评估机器模型，使得机器模型输出海量的新材料合成工艺参数及预测所述新材料的材料性能，大大缩短了新材料的开发周期，并为新材料的合成提供了智能优化的合成工艺。

为了解决上述技术问题，本发明所采取的技术方案为：

本发明一方面提供一种新材料合成工艺的智能设计系统，包括文献数据采集模块、文献数据处理模块、机器训练与评估模块、新材料设计模块、新材料性能测试模块；

文献数据采集模块用于通过数据挖掘技术采集包含原材料组成向量与合成材料性能向量的文献数据，组成文献数据集；

文献数据处理模块用于对采集的文献数据集进行预处理，获取合成材料对应的工艺参数及其性能参数，形成机器学习数据集；

机器训练与评估模块用于将机器学习数据集划分为机器训练数据集与机器评估数据集；将机器训练数据集输入至机器模型中，对机器模型进行训练，并用机器评估数据集评估已训练的机器模型的性能；

新材料设计模块用于利用已训练并评估的机器模型设计新材料合成工艺参数，并预测新材料的材料性能参数；

新材料性能测试模块用于根据新材料设计模块预测的新材料的材料性能参数筛选出需要合成的新材料，通过实验合成所述筛选出的新材料，再对实验获得的新材料进行材料性能测试，计算新材料设计模块预测的新材料的材料性能参数预测值与实验合成的所述新材料的材料性能参数实测值之间的误差；

机器训练与评估模块还用于利用机器模型设计的并经过实验测试的新材料合成工艺参数及新材料的材料性能对机器模型进行再训练。

进一步地，通过人工标注的方法对采集的文献数据集进行预处理，获取所述合成材料对应的工艺参数及其性能参数，组成用于机器模型训练和评估的机器学习数据。

又进一步地，所述机器模型为基于人工神经网络的机器模型，由输入层、隐含层和输出层组成。

具体地，所述机器模型的训练包括正向传播过程和反向传播过程，所述正向传播过程的输入层输入机器训练数据集中的合成材料工艺参数，所述合成材料工艺参数经隐含层处理后，传向输出层，输出层输出合成材料性能参数预测值；所述反向传播过程根据机器模型实际的输入与输出，采用梯度下降法及迭代运算计算机器模型各层权值参数。

具体地，所述机器评估数据集评估已训练机器模型的性能时，输入层输入机器评估数据集中的合成材料工艺参数，所述合成材料工艺参数经隐含层处理后，传向输出层，输出层输出合成材料性能参数预测值。

更进一步地，所述材料合成工艺参数包括：原材料配比参数、温度参数、压力参数、化学反应时间参数；所述材料性能参数包括物理性能参数、化学性能参数。

本发明另一方面提供一种新材料合成工艺的智能设计方法，其特征在于：包括如下步骤：

根据原材料组成向量与合成材料性能向量采集文献数据；

获取合成材料对应的工艺参数及其性能参数；

对机器模型进行训练，并评估已训练的机器模型的性能；

已训练并评估的机器模型设计新材料合成工艺参数，并预测新材料的材料性能参数；

筛选出需要合成的新材料，并通过实验合成所述新材料，再对所述新材料进行材料性能测试；

对机器模型进行再训练。