(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111398204.1 (22)申请日 2021.11.19 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 蒲剑苏　邵慧　高博洋　朱正国　 朱焱麟　 (74)专利代理 机构 成都智言知识产权代理有限 公司 51282 代理人 濮云杉 (51)Int.Cl. G06F 30/27(2020.01) (54)发明名称 基于机器学习的固态电解质材料筛选可视 化系统及方法 (57)摘要 本发明设计了基于机器学习的固态电解质 材料筛选 可视化系统及方法， 本发 明属于计算机 技术领域， 解决机器学习方法应用于寻找具有高 离子电导率等特性的固态电解质材料时缺少辅 助工具的问题， 基于机器学习的固态电解质材料 筛选可视化系统包括可视分析系统， 所述可视分 析系统包括控制面板视图、 平行坐标视图、 聚类 视图、 材料比较视图、 特征贡献视图和模型比较 视图。 本发 明为机器学习方法应用于寻找具有高 离子电导率等特性的固态电解质材料提供了辅 助工具， 能够帮助材料领域专家分析和理解机器 学习模型， 并实现对满足特定性能需求材料的预 测。 权利要求书2页 说明书6页 附图1页 CN 114186480 A 2022.03.15 CN 114186480 A 1.基于机器学习的固态电解质材料筛选可视化系统， 其特征在于， 包括可视分析系统， 所述可视分析系统包括： 控制面板视图( A)： 用于提供参数的自定义选择， 用户根据自己的需求选择合适的参 数； 平行坐标视图(B)： 用于展示不同材料的各个特征， 根据材料是否满足要求对其进行区 分， 从而判断出对 满足要求 最具贡献的特 征； 聚类视图(C1)： 用于展示降维后的材料数据， 根据聚类视图上相互之间的距离判断降 维后的材 料数据在之间的相似性； 材料比较视图(C2)： 用于对不同材 料进行对比分析； 特征贡献视图(C3)： 用于展示不同特征对满足要求的贡献度， 能够根据贡献度区分不 同集群； 模型比较视图(E)： 用于展示 不同的算法模型， 并对不同算法模型进行对比分析。 2.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述控制面板视图(A)包括特征数量调整选项、 集群数量调整选项、 投影及聚类算法更 改选项、 分类算法选择选项和折线模式选项。 3.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述平行坐标视图(B)包括用于描述离子导电性相关特征的特征轴和用于描述标签的 标签轴。 4.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述聚类视图(C1)为用于展示降维后的数据的视图。 5.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述材料比较视图(C2)包括与目标材料数量相 对应且用于展示材料特征的条形图， 以 及用于展示机器学习模型 预测结果以及主 要原始属性的矩形块。 6.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述特 征贡献视图(C 3)包括用于展示 不同集群的特 征贡献情况的条 形图。 7.根据权利要求1所述的基于机器学习的固态电解质材料筛选可视化系统， 其特征在 于， 所述模型比较视图(E)包括用于展示算法评价结果的雷达图和对各个算法效果进行排 序的表格。 8.用于权利要求1所述系统的基于机器学习的固态电解质材料筛选可视化方法， 其特 征在于， 包括以下步骤： S1： 数据预处理： 从数据库中获取含锂化合物和材料化学结构的原始属性， 并根据低导 电性、 高金属稳定性、 高结构稳定性和高氧化分解稳定性四个先决条件约束对获取 的含锂 化合物进行筛 选， 得到候选材 料； S2:机器模型训练： 用高离子导电率样本训练已有的机器学习模型， 并将符合条件的样 本和不符合条件的样本 分别进行标记， 使用材料化学结构的原始属性计算步骤S1 中候选材 料与离子导电性相关的特征， 将训练好的机器学习模型应用于步骤S1中的候选材料， 候选 材料中标记为符合条件的材 料便是符合期望的固态电解质材 料； S3:可视化系统处理： 使用可视化分析系统对步骤S2中标记为符合条件材料的数据进 行可视化处理， 并将处理后的数据展示在平行坐标视图(B)、 聚类视图(C1)、 材料比较视图权　利　要　求　书 1/2 页 2 CN 114186480 A 2(C2)、 特征贡献视图(C 3)和模型比较视图(E)上； S4:数据结果分析： 人工对经步骤S3后得到的数据结果进行分析， 选择出符合要求的固 态电解质材 料。权　利　要　求　书 2/2 页 3 CN 114186480 A 3