基于数据驱动的材料释氧性能分析预测与筛选方法、系统、介质

本发明涉及化学链氧解耦燃烧与化学链空分，尤其是涉及一种基于数据驱动的材料释氧性能分析预测与筛选方法、系统、介质。

背景技术：

1、二氧化碳的大量排放，造成全球变暖等严峻的气候问题，对于能源低碳利用技术的发展提出了全新挑战。化学链氧解耦燃烧技术与化学链空分技术均是清洁高效低能耗的能源低碳利用技术，其原理均是金属氧化物在高温下释放氧气。因此，作为载氧体的金属氧化物材料的释氧性能是最主要的研究内容，材料释氧性能的不足是限制商业化应用的最主要原因之一。

2、现阶段，针对载氧体材料释氧性能的研究方法主要有：(1)实验试错法，利用xrd等方法表征材料结构，利用热重实验表征释氧性能、循环稳定性，实验研究的重点在于材料的改性增效，通过改变材料的制备方式、晶体结构、微观形貌等，从而改善载氧体材料的释氧性能、抗烧结等宏观性能表现；(2)计算筛选法，利用密度泛函、分子模拟等计算方法从微观角度探究化学链反应过程的具体机理与材料的释氧潜力，计算晶格氧活性、吸附能，揭示原子级别的反应机理、反应路径、速控步骤等信息。然而，实验与计算研究，均只能够被认为是试错性研究，仅能提供有限的经验性指导，多元金属氧化物庞大的元素组合和结构种类，意味着高性能载氧体的设计开发必须突破基于试错法的研究模式，如何快速进行高性能载氧体的筛选仍是巨大挑战。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于数据驱动的材料释氧性能分析预测与筛选方法、系统、介质，相较于传统试错性研究方式具有成本低、可靠性高，大幅缩减了释氧材料的筛选范围，助力高性能释氧材料的发掘。

2、申请人在构思历程中认为：数据驱动的研究范式，对于基本原理不完备、缺少原始先验知识，但真实数据可大量获得的对象有着广泛的应用前景。利用数据驱动的范式研究材料的释氧性能，可以通过收集金属氧化物材料的结构、释氧数据从而构建数据集，并训练机器学习模型，进而实现对于材料释氧性能的分析预测与筛选。

3、本发明的目的可以通过以下技术方案来实现：

4、本发明提供一种基于数据驱动的材料释氧性能分析预测与筛选方法，包括以下步骤：

5、s1：对研究释氧材料的已公开发表文献进行文本挖掘，提取与结构、释氧性能相关的数据，构建“材料结构-释氧性能”数据集；

6、s2：基于机器学习模型，以所述数据集中的材料结构信息对应的x射线衍射数据作为输入，以所述数据集中的材料性能信息对应的释氧性能数据作为输出，构建材料释氧性能回归预测模型；

7、s3：利用开源晶体数据库获取材料的结构文件，转化为xrd数据，输入至已训练完成的模型，输出材料释氧性能的回归预测，实现材料的高通量筛选。

8、进一步地，s1中，所述数据集构建过程包括：

9、s1-1：基于关键词，在文献索引数据库中搜索并收集已公开发表文献；

10、s1-2：对收集的文献数据进行文本挖掘，提取材料结构相关的数据、性能相关的数据；

11、s1-3：将图谱信息进行数字化提取，并以材料名称、结构数据、性能数据、图片序号、数字对象唯一标识符作为数据集标识符，构建“材料结构-释氧性能”数据集。

12、进一步地，s1-1中，所述关键词包括但不限于：释氧、化学链、氧解耦；

13、s1-1中，所述文献索引数据库包括但不限于知网、web of science、elsevier等；

14、s1-2中，所述材料结构相关的数据包括但不限于xrd图谱、比表面积、元素组成；

15、s1-2中，所述材料性能相关的数据包括但不限于热重曲线、释氧量、释氧速率。

16、s1-2中，所述文本挖掘的具体方法包括：基于能够统一表征材料结构与性能的xrd图谱、热重曲线等图谱数据，根据图谱标题中高频率出现的关键词，利用文本挖掘工具将各图谱的图序号信息作为提取目标。最终利用已公开发表文献的数字对象唯一标识符与图序号，实现各图谱信息的定位提取，实现从已公开发表文献数据提取材料的结构、性能相关数据。文本挖掘工具包括但不限于：人工检索、自然语言处理、大语言模型、人工智能等；

17、进一步地，s1-3中，所述数字化提取的过程包括：

18、利用图像处理工具对xrd图谱进行数字化提取，并进行归一化处理，统一衍射强度的数据范围，并根据衍射角度范围进行扩充或删减，实现xrd数据的结构化；

19、对热重曲线等释氧性能相关图谱进行数字化后，提取释氧量信息、释氧速率信息，定义起始释氧点和终止释氧点，计算释氧量，并通过对热重曲线进行微分操作得到微商热重曲线，确定最佳释氧点和最大释氧速率。

20、进一步地，对xrd图谱进行结构化处理过程中，包括：针对xrd图谱在不同文献中的衍射强度范围、衍射角度范围选取不同，一方面，在图像处理工具中，将每个单独的xrd图谱的衍射强度进行归一化处理，统一衍射强度的数据范围在0～1之间；另一方面，基于图谱给出的衍射角度范围，进行扩充或删减，以原始图谱的初始角度衍射强度或终止角度衍射强度作为基准，将衍射角度的范围统一到10～85°，角度步长为0.05°，实现xrd数据的结构化。

21、由热重曲线确定释氧量数据、最佳释氧点和最大释氧速率的过程包括：将热重曲线出现明显失重的拐点定义为起始释氧点，将热重曲线逐渐平滑的点定义为终止释氧点，两点间的质量百分比之差则为释氧量，对热重曲线进行微分操作即得到微商热重曲线，微商热重曲线的最高点即最佳释氧点，此时即对应最大释氧速率。

22、进一步地，所述机器学习模型包括卷积神经网络、人工神经网络、随机森林、transformer中的一种或多种，所述机器学习模型用于实现材料释氧性能的回归预测。

23、进一步地，s3中，所述高通量筛选包括以下步骤：

24、s3-1：在开源晶体数据库中批量获取潜在的释氧金属氧化物的晶体信息文件，并转化为符合模型输入要求的xrd数据；

25、s3-2：以结构化的xrd数据输入至已训练完成的材料释氧性能回归预测模型，输出对于释氧性能的回归预测，实现释氧材料的高通量筛选。

26、进一步地，所述开源晶体数据库包括但不限于materials project database、open quantum materials database、inorganic crystal structure database、powderdiffraction file database中的一种或多种。

27、本发明第二方面提供一种基于数据驱动的材料释氧性能分析预测与筛选系统，包括：

28、数据处理模块，对研究释氧材料的已公开发表文献进行文本挖掘，提取与结构、释氧性能相关的数据，构建“材料结构-释氧性能”数据集；

29、模型构建模块，基于机器学习模型，以所述数据集中的材料结构信息对应的x射线衍射数据作为输入，以所述数据集中的材料性能信息对应的释氧性能数据作为输出，构建材料释氧性能回归预测模型；

30、材料筛选模块，利用开源晶体数据库获取材料的结构文件，转化为xrd数据，输入至已训练完成的模型，输出材料释氧性能的回归预测，实现材料的高通量筛选。

31、本发明第三方面提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令的存储介质在由计算机处理器执行时，用于执行如上述的基于数据驱动的材料释氧性能分析预测与筛选方法。

32、与现有技术相比，本发明具有以下技术优势：

33、1)本发明通过先进的文本挖掘技术和数字化处理方法，从大量已公开发表的文献中高效提取材料结构与释氧性能的关键数据，有效解决了传统材料筛选过程中数据获取困难、效率低下的问题。利用这种数据驱动的分析预测方法，能够以较低的成本快速识别出具有潜在高释氧性能的材料，极大提高了研究的效率和经济性。

34、2)通过构建基于机器学习的材料结构数据与释氧性能之间的映射关系，本发明显著提高了释氧材料筛选的准确性和可靠性。这种方法减少了对实验条件的依赖，避免了因实验操作和环境因素带来的误差，确保了筛选结果的稳定性和重复性。与传统实验测试相比，本发明的方法更加客观、精确，为材料科学领域的研究者提供了一种强有力的工具。

35、3)本发明的高通量筛选机制大幅缩减了释氧材料的筛选范围，使得研究者能够集中资源对预测结果中表现最优的材料进行深入研究和实验验证。这种方法不仅节约了宝贵的时间和人力资源，还减少了材料和能源的消耗，符合绿色化学和可持续发展的理念。通过快速识别和优化释氧材料，本发明为推动能源转换和存储技术的进步提供了重要的科学基础和技术支持。