1.一种基于机器学习预测单重态裂分材料的三重态产率的方法，其特征在于，包括以下步骤： 步骤一、从现有文献中收集13个苝二酰亚胺衍生物分子，苝二酰亚胺衍生物分子的三重态产率ΦSF分布在5-178％之间；并将13个苝二酰亚胺衍生物分子分别转换成分子描述符，然后将分子描述符随机分成训练集和测试集： (1)10个分子的分子描述符作为训练集； (2)3个分子的分子描述符作为测试集； 步骤二、筛选出3个分子描述符作为特征变量：水合能HE，三重态LUMO轨道能量ET-LUMO和可扭转键数目NumRot，采用支持向量-多项式核函数算法与选定的三个特征变量，同时，优化建模中的惩罚因子C、不敏感损失函数ε；然后构建预测苝二酰亚胺衍生物的三重态产率ΦSF的预报模型，所述预测苝二酰亚胺衍生物的三重态产率ΦSF的预报模型的标准化方程为： y＝∑βi[(X·Xi)+1]2+0.55； 其中X是未知矢量，Xi是该模型中包含的支持向量，n是支持向量的数量，n＝9，βi是相应支持向量的拉格朗日因子，对应9个支持向量其值分别为-1.15,-0.34,-1.68,7,7,-4.37,-7,0.55,-0.0052； 步骤三、对优化后的预测苝二酰亚胺衍生物的三重态产率ΦSF的预报模型进行训练； 步骤四、向训练后的预测苝二酰亚胺衍生物的三重态产率ΦSF的预报模型中输入苝二酰亚胺衍生物分子的分子描述符，即输出苝二酰亚胺衍生物的三重态产率ΦSF。

2.根据权利要求1所述的基于机器学习预测单重态裂分材料的三重态产率的方法，其特征在于，所述步骤一中，苝二酰亚胺衍生物分子采用数据挖掘软件进行数据挖掘，然后采用分子力学程序MM+对苝二酰亚胺衍生物分子构象进行优化，最后根据分子构型和量子化学半经验算法PM3计算得到相应的分子描述符。

3.根据权利要求1所述的基于机器学习预测单重态裂分材料的三重态产率的方法，其特征在于，所述步骤二中优化建模中的惩罚因子C、不敏感损失函数ε的方法为：采用LOOCV进行参数网格化搜索，以均方根误差RMSE最小为最优参数，参数优化的搜索范围和步长如下：设置惩罚因子C在1到100之间，步长为1；不敏感损失函数ε在0.01到0.1之间，步长为0.01；经计算得到的最优参数分别为惩罚因子C＝7、不敏感损失函数ε＝0.05，均方根误差RMSE为18.85。

请联系平台

请联系平台