[发明专利]一种数据驱动的人工智能材料预测系统

说明书

本发明实施例提供了一种数据驱动的人工智能材料预测系统，所述系统至少包括：用户交户层，配置为根据用户选择，确认通过构建新的材料预测模型,或使用已有材料预测模型，进行材料性质预测；以及，接受用户输入的材料特征量；自动特征层,配置为根据输入的材料特征量,解析材料基元信息，材料基元信息包括材料组成元素、结构矩阵、工艺参数；以及，通过用户输入和自动检索，完善材料特征量维度；模型及自动训练层，配置为根据材料特征量，调用已有预测模型，预测材料性质；或根据材料特征量，和预测目标向量，自动选择预测模型的构成方式，建立新的材料预测模型，训练所述新的材料预测模型，根据训练完成的所述新的材料预测模型，预测材料性质。

技术领域

本发明涉及材料预测和分析领域以及人工智能领域，尤其涉及一种数据驱动的人工智能材料预测系统。

背景技术

材料信息学模式，或称为数据驱动的模式，基于大量数据，采用机器学习找出特征性参量，进行数据挖掘(人工智能+数据)，预测出候选材料。近年来，利用数据驱动模式进行材料研究的成果开始大量涌现，给材料学者重要的启示是：数据驱动的人工智能方法擅长在纷繁的数据中发现、建立背后的关联；利用人工智能方法针对材料数据高维度、低秩数、乏数据等特点，发展或完善算法，可以同时研究多参量耦合的效果，增加理解问题的维度。人工智能方法的引入对于理解与发现各种材料参数与性能间的关联极有帮助，数据驱动模式代表了材料基因工程核心的理念和最先进的方法。

一直以来，美国、欧盟、日本、新加坡等世界主要国家和地区都非常重视通过高通量的材料计算模拟与材料信息学技术来研发新材料。对欧美等国家的突然发力，国内的材料学界也认识到，国内材料科技工业与国际先进水平存在一定的差距。2016年02月，科技部发布了关于国家重点研发计划高性能计算等重点专项，启动了“材料基因工程关键技术与支撑平台”重点专项。该专项共部署40个重点研究任务。按照分布实施、重点突破的原则，2016-2018年度在材料基因工程关键技术和验证性示范应用中共启动了40余个项目。预计到2025年，新的材料设计和模拟方法将不断优化，新材料数据库也将不断完善，材料的理论研发和工厂生产有望实现“智能制造”计划。

基于此，综合国内外材料信息学技术的进展和成果，工具耦合、数据共享、人工智能将会是新阶段的三项重点任务，这需要发展大数据时代下资源汇聚和融合技术，需要计算能力、数值模拟引擎等基础环境支撑。

因此，需要一种新的材料预测系统。

发明内容

本发明的实施例提供一种数据驱动的人工智能材料预测系统，集成针对材料预测的特征提取及处理、模型选择、模型训练、数据资源调度，提供简单易用的“一站式”自动流程工具；并且，可以汇总积累形成“模型数据库”，方便材料预测用户复用，而不需要从头开展材料预测的机器学习研究工作。

本发明为解决上述技术问题采用的技术方案为，一种数据驱动的人工智能材料预测系统，所述系统至少包括：

用户交户层，配置为根据用户选择，确认通过何种方式进行材料性质预测，所述方式包括：构建新的材料预测模型,进行材料性质预测，或，使用已有材料预测模型，进行材料性质预测；以及，接受用户输入的材料特征量；

自动特征层,配置为根据输入的材料特征量,解析材料基元信息，所述材料基元信息包括材料组成元素、结构矩阵、工艺参数；以及，通过用户输入和自动检索两种方式中的至少一种，完善材料特征量维度；

模型及自动训练层，配置为根据材料特征量，调用已有预测模型，预测材料性质；或根据材料特征量，和预测目标向量，自动选择预测模型的构成方式，建立新的材料预测模型，训练所述新的材料预测模型，根据训练完成的所述新的材料预测模型，预测材料性质。

优选地，所述人工智能材料预测系统，还包括：决策层，所述决策层包含，预先提取各材料预测模型中的网络参数，构建的材料预测领域知识库；所述决策层，配置为，接受用户通过自然语言提出的材料预测问题；通过自然语言处理方法，以及材料预测领域知识库，生成问题答案，将所述问题答案反馈给用户。