【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及材料大數(shù)據(jù)，尤其涉及一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法和裝置。
技術(shù)介紹
1、現(xiàn)有基于深度學(xué)習(xí)的材料知識共享方案可以分為兩類：（1）在某一特定材料任務(wù)上預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并在下游任務(wù)上微調(diào)網(wǎng)絡(luò)；（2）在所有源任務(wù)上預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)骨架，并直接將所有網(wǎng)絡(luò)集成后用于下游任務(wù)微調(diào)。現(xiàn)有技術(shù)的缺點有：（1）缺乏靈活性。現(xiàn)有方案針對每一個下游任務(wù)都會從相同的源任務(wù)中共享知識，無法對上游異質(zhì)材料知識進行解耦和篩選，從而容易造成材料知識的負遷移；（2）參數(shù)低效。現(xiàn)有方案均需要復(fù)制完整的預(yù)訓(xùn)練網(wǎng)絡(luò)以實現(xiàn)知識共享。鑒于神經(jīng)網(wǎng)絡(luò)的過參數(shù)化特點，現(xiàn)有方案使用加大的空間成本來存儲材料知識，不利于知識的傳輸與分享。
2、如何有效實現(xiàn)不同材料屬性間的知識解耦與共享，是目前需要解決的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法和裝置，用以解決現(xiàn)有技術(shù)中存在的缺陷。
2、本專利技術(shù)提供一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；
3、包括如下步驟：
4、接收用戶上傳的目標材料的目標屬性預(yù)測問題；
5、基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，并將所述目標參數(shù)模塊返回至所述用戶；其中，所述目標參數(shù)模
6、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述接收用戶上傳的目標材料的目標屬性預(yù)測問題之前，所述方法還包括：
7、獲取預(yù)訓(xùn)練材料表示骨架；其中，所述預(yù)訓(xùn)練材料表示骨架用于掛載參數(shù)模塊；
8、對于多個預(yù)設(shè)的異質(zhì)材料任務(wù)，分別為每個異質(zhì)材料任務(wù)設(shè)計并掛載對應(yīng)的參數(shù)模塊至所述預(yù)訓(xùn)練材料表示骨架上；其中，所述參數(shù)模塊用于存儲對應(yīng)異質(zhì)材料任務(wù)的異質(zhì)知識；
9、將每個異質(zhì)材料任務(wù)對應(yīng)的參數(shù)模塊進行存儲，得到所述材料知識庫。
10、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述對于多個預(yù)設(shè)的異質(zhì)材料任務(wù)，分別為每個異質(zhì)材料任務(wù)設(shè)計并掛載對應(yīng)的參數(shù)模塊至所述預(yù)訓(xùn)練材料表示骨架上，包括：
11、對于每個異質(zhì)材料任務(wù)，生成對應(yīng)的初始參數(shù)模塊，并將所述初始參數(shù)模塊掛載至所述預(yù)訓(xùn)練材料表示骨架上；
12、通過路由網(wǎng)絡(luò)將所述異質(zhì)材料任務(wù)的異質(zhì)知識路由到對應(yīng)的初始參數(shù)模塊中，得到所述異質(zhì)材料任務(wù)對應(yīng)的參數(shù)模塊。
13、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述將所述多個異質(zhì)材料任務(wù)中的每個異質(zhì)材料任務(wù)對應(yīng)的參數(shù)模塊進行存儲，得到所述材料知識庫，包括：
14、對參數(shù)模塊進行聯(lián)合訓(xùn)練；
15、在訓(xùn)練符合收斂條件的情況下，將訓(xùn)練后的參數(shù)模塊進行存儲，得到所述材料知識庫。
16、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，包括：
17、基于所述目標屬性預(yù)測問題，通過自適應(yīng)模塊化組裝ama算法在所述材料知識庫中查詢，得到多個目標輕量化參數(shù)子模塊；其中，所述多個目標輕量化參數(shù)子模塊的組合是：使泛化誤差最低的模塊組合；
18、對所述多個目標輕量化參數(shù)子模塊進行組裝拼接，得到所述目標屬性預(yù)測問題對應(yīng)的目標參數(shù)模塊。
19、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述基于所述目標屬性預(yù)測問題，通過自適應(yīng)模塊化組裝ama算法在所述材料知識庫中查詢，得到多個目標輕量化參數(shù)子模塊，包括：
20、基于標簽傳播的預(yù)測算法進行計算，得到每個參數(shù)模塊在目標屬性預(yù)測問題對應(yīng)的目標異質(zhì)材料任務(wù)上的預(yù)測性能；
21、基于所述每個參數(shù)模塊的預(yù)測性能，通過基于目標算法的模塊化權(quán)重優(yōu)化，得到所述多個目標輕量化參數(shù)子模塊；其中，所述目標算法為無需訓(xùn)練的優(yōu)化算法。
22、根據(jù)本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，所述對所述多個目標輕量化參數(shù)子模塊進行組裝拼接，得到所述目標屬性預(yù)測問題對應(yīng)的目標參數(shù)模塊，包括：
23、對所述多個目標輕量化參數(shù)子模塊進行組裝，并將組裝后的多個目標輕量化參數(shù)子模塊拼接到所述預(yù)訓(xùn)練材料表示骨架上，生成所述目標屬性預(yù)測問題對應(yīng)的目標異質(zhì)材料任務(wù)的深度學(xué)習(xí)模型；
24、對所述深度學(xué)習(xí)模型進行聯(lián)合微調(diào)，以基于聯(lián)合微調(diào)后的深度學(xué)習(xí)模型進行目標屬性預(yù)測參數(shù)模塊。
25、本專利技術(shù)還提供一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測裝置，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；
26、包括如下模塊：
27、接收模塊，用于接收用戶上傳的目標材料的目標屬性預(yù)測問題；
28、確定模塊，用于基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，并將所述目標參數(shù)模塊返回至所述用戶；其中，所述目標參數(shù)模塊用于：使用戶基于所述目標參數(shù)模塊訓(xùn)練模型，并基于訓(xùn)練后的模型進行目標材料的屬性預(yù)測。
29、本專利技術(shù)還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述任一種所述基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法。
30、本專利技術(shù)還提供一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法。
31、本專利技術(shù)還提供一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法。
32、本專利技術(shù)提供的一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法和裝置，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；通過接收用戶上傳的目標材料的目標屬性預(yù)測問題；基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，并將所述目標參數(shù)模塊返回至所述用戶；其中，所述目標參數(shù)模塊用于：使用戶基于所述目標參數(shù)模塊訓(xùn)練模型，并基于訓(xùn)練后的模型進行目標材料的屬性預(yù)測。由此可知，本專利技術(shù)針對數(shù)據(jù)豐富的任務(wù)訓(xùn)練了一系列蘊含解耦材料知識的參數(shù)模塊，建立了材料知識庫，從材料知識庫中選取與給定下游任務(wù)最相關(guān)的參數(shù)模塊，效率較高；基于選定的參數(shù)模塊訓(xùn)練模型并進行微調(diào)，有效適配下游材料屬性預(yù)測任務(wù)。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；
2.根據(jù)權(quán)利要求1所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述接收用戶上傳的目標材料的目標屬性預(yù)測問題之前，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述對于多個預(yù)設(shè)的異質(zhì)材料任務(wù)，分別為每個異質(zhì)材料任務(wù)設(shè)計并掛載對應(yīng)的參數(shù)模塊至所述預(yù)訓(xùn)練材料表示骨架上，包括：
4.根據(jù)權(quán)利要求2所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述將所述多個異質(zhì)材料任務(wù)中的每個異質(zhì)材料任務(wù)對應(yīng)的參數(shù)模塊進行存儲，得到所述材料知識庫，包括：
5.根據(jù)權(quán)利要求1所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，包括：
6.根據(jù)權(quán)利要求5所述的基于模塊化深
7.根據(jù)權(quán)利要求5所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述對所述多個目標輕量化參數(shù)子模塊進行組裝拼接，得到所述目標屬性預(yù)測問題對應(yīng)的目標參數(shù)模塊，包括：
8.一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測裝置，其特征在于，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；
9.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至7任一項所述基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法。
10.一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法。
...【技術(shù)特征摘要】
1.一種基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，應(yīng)用于云端材料知識共享平臺，所述云端材料知識共享平臺加載有材料知識庫，所述材料知識庫包括：多組參數(shù)模塊，一組參數(shù)模塊對應(yīng)一個異質(zhì)材料任務(wù)，所述異質(zhì)材料任務(wù)用于實現(xiàn)材料的屬性預(yù)測；
2.根據(jù)權(quán)利要求1所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述接收用戶上傳的目標材料的目標屬性預(yù)測問題之前，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述對于多個預(yù)設(shè)的異質(zhì)材料任務(wù)，分別為每個異質(zhì)材料任務(wù)設(shè)計并掛載對應(yīng)的參數(shù)模塊至所述預(yù)訓(xùn)練材料表示骨架上，包括：
4.根據(jù)權(quán)利要求2所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述將所述多個異質(zhì)材料任務(wù)中的每個異質(zhì)材料任務(wù)對應(yīng)的參數(shù)模塊進行存儲，得到所述材料知識庫，包括：
5.根據(jù)權(quán)利要求1所述的基于模塊化深度學(xué)習(xí)的材料屬性預(yù)測方法，其特征在于，所述基于所述目標屬性預(yù)測問題在所述材料知識庫中查詢，確定對應(yīng)的目標參數(shù)模塊，包括：
6.根據(jù)權(quán)利要求5所述的基于模塊化...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周浩，歐陽亞文，王波添，張建兵，馬維英，
申請(專利權(quán))人：清華大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。