买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉黑龙江大学申请的专利利用机器学习获取二维纳米材料剥离能的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118484654B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410662384.7，技术领域涉及：G06F18/2113；该发明授权利用机器学习获取二维纳米材料剥离能的方法是由郑冰;段继焯;崔丽莹;张燕畅设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本利用机器学习获取二维纳米材料剥离能的方法在说明书摘要公布了：利用机器学习获取二维纳米材料剥离能的方法，属于机器学习领域。本发明为了解决现有机器学习模型存在特征生成的过程不完善、特征范围的考虑不够全面和模型预测精度低等问题。从数据库中采集m种AB型2D纳米材料和对应的m个剥离能形成数据集，利用数据集对多个预测模型进行训练，得到多个训练完成的预测模型，进一步预筛选出候选预测模型；利用互信息法和方差膨胀因子法筛选特征，得到使候选预测模型性能好的特征集，利用筛选后的特征集和剥离能训练候选预测模型，得到训练完成的候选预测模型，从中挑选最优预测模型；将待测AB型2D纳米材料输入至训练完成的最优预测模型中，预测出对应的剥离能。本发明用于获得二维纳米材料剥离能。

本发明授权利用机器学习获取二维纳米材料剥离能的方法在权利要求书中公布了：1.利用机器学习获取二维纳米材料剥离能的方法，其特征在于，所述方法包括以下内容：步骤1、从二维材料数据库中采集m种AB型2D纳米材料和对应的m个剥离能形成数据集，其中，m种2D纳米材料均包括相同的特征种类，均包含n种特征，m和n均为大于0的正整数；数据集中每种AB型2D纳米材料的n种特征及该种AB型2D纳米材料的剥离能形成一个样本；步骤2、模型预筛选：利用数据集对多个预测模型进行训练并进行网格搜索超参数优化，得到多个训练完成的预测模型，从所述预测模型中预筛选出多个候选预测模型；步骤3、进行第1轮筛选更新特征：计算数据集中每种特征与剥离能之间的互信息值；根据每种特征与其他所有种特征之间的复相关系数，获得每种特征的方差膨胀因子值，对获得的各方差膨胀因子值由大至小排序，从方差膨胀因子排序的前六名中剔除一个具有互信息最小值的特征，将其余的特征作为第1轮筛选后得到的特征；步骤4、利用第1轮筛选后得到的特征和各候选预测模型，计算第1轮筛选后特征所对应的各候选预测模型的十折交叉验证的均方根误差；利用n种特征和各候选预测模型，计算n种特征所对应的各候选预测模型的十折交叉验证的均方根误差，判断同一个候选预测模型下第1轮筛选后n-1个特征所对应的候选预测模型的十折交叉验证的均方根误差是否小于或等于n种特征所对应的候选预测模型的十折交叉验证的均方根误差，如果是，执行步骤5，如果否，利用n种特征及剥离能训练多个候选预测模型并进行随机搜索超参数优化，得到多个训练完成的候选预测模型；从多个训练完成的候选预测模型中筛选出最优预测模型；步骤5、按照步骤3更新特征的方式进行第j轮筛选更新特征，j的初始值为2；步骤6、判断同一个候选预测模型下第j轮筛选后特征所对应的候选预测模型的十折交叉验证的均方根误差是否小于或等于第j-1轮筛选后特征所对应的候选预测模型的十折交叉验证的均方根误差，如果是，则使j＝j+1，执行步骤5，如果否，则利用第j-1轮筛选后得到的特征及剥离能训练多个候选预测模型并进行随机搜索超参数优化，得到多个训练完成的候选预测模型，从多个训练完成的候选预测模型中筛选出训练完成的最优预测模型；步骤7、将待测AB型2D纳米材料输入至训练完成的最优预测模型中，预测出对应的剥离能；每种特征的方差膨胀因子值，表示为： 式中，VIFi为第i种特征的方差膨胀因子值，Ri为第i种特征与其他所有种特征之间的复相关系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人黑龙江大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路74号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。