基于混合学习算法的材料计算数据误差估计

鉴于低误差的基于密度泛函理论的材料计算模拟数据在新材料设计与发现中的重要性,提出一种基于BP神经网络和粒子群优化(particle swarm optimization,PSO)混合学习算法的材料计算数据误差估计建模方法.结合PSO的全局搜索和BP算法的局部搜索优点,将不合速度项的简化PSO算法和BP算法相结合,提出一种PSO和BP混合的学习方法tsPSO-BP),用于训练材料计算模拟数据误差估计神经网络模型,并以立方晶系二元合金弹性常数计算模拟数据误差估计为应用实例.应用结果表明tsPSO-BP训练后的弹性常数计算模拟误差预测神经网络模型预测的C11,C12和C44的计算模拟数据误差的准确率分别达到88.19％,87.83％和88.26％.