Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨理工大学杨照地获国家专利权

哈尔滨理工大学杨照地获国家专利权

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!

龙图腾网获悉哈尔滨理工大学申请的专利一种2D-COF材料光催化全解水性能预测方法、设备及介质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:CN119418815B

龙图腾网通过国家知识产权局官网在2025-09-05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:202411536717.8,技术领域涉及:G16C20/30;该发明授权一种2D-COF材料光催化全解水性能预测方法、设备及介质是由杨照地;张睿;张桂玲设计研发完成,并于2024-10-31向国家知识产权局提交的专利申请。

一种2D-COF材料光催化全解水性能预测方法、设备及介质在说明书摘要公布了:本发明公开一种2D‑COF材料光催化全解水性能预测方法、设备及介质,涉及催化技术以及材料信息技术领域。所述方法包括:首先,将材料结构转换为由原子种类和坐标表示的晶体结构数据,鉴于2D‑COF材料种类数量庞大,使用自动化文件生成的技术生产大量材料结构数据文件。然后,通过实验测试产生材料结构特征数据。接着,对结构数据文件进行第一性原理计算生成性能特征数据。最后,使用机器学习技术来实现2D‑COF材料催化性质预测。由于光催化全解水催化性能指标中包含材料电子结构数值、反应自由能数值和过电势数值判别的三类指标,可重复上述流程执行三次预测,并且筛选出优秀光催化全解水2D‑COF材料。

本发明授权一种2D-COF材料光催化全解水性能预测方法、设备及介质在权利要求书中公布了:1.一种2D-COF材料光催化全解水性能预测方法,其特征在于,包括: 建立2D-COF光催化全解水热力学性能数据集Ⅰ;所述2D-COF光催化全解水热力学性能数据集Ⅰ是基于2D-COF结构CIF文件1和2D-COF结构CIF文件2进行筛选得到的;所述2D-COF结构CIF文件1中的数据是从2D-COF结构CIF总文件中进行随机均匀采样得到的;所述2D-COF结构CIF文件2中的数据为2D-COF结构CIF总文件中未采样的剩余样本; 根据光催化全解水性能的动力学判断条件,对所述2D-COF光催化全解水热力学性能数据集Ⅰ进行筛选,得到不具备光催化性能的2D-COF结构和具备光催化性能的2D-COF结构,并将具备光催化性能的2D-COF结构确定为2D-COF结构CIF文件3; 建立2D-COF光催化全解水热力学性能数据集Ⅱ;所述2D-COF光催化全解水热力学性能数据集Ⅱ是基于2D-COF结构CIF文件4和2D-COF结构CIF文件5进行筛选得到的;所述2D-COF结构CIF文件4中的数据是从2D-COF结构CIF文件3中进行随机均匀采样得到的;所述2D-COF结构CIF文件5中的数据为2D-COF结构CIF文件3中未采样的剩余样本; 对所述2D-COF光催化全解水热力学性能数据集Ⅱ进行二次筛选,并将满足二次筛选条件的数据测定为具备优秀光催化全解水性能2D-COF;所述二次筛选条件包括条件一和条件二;所述条件一为2D-COF析氢反应自由能数值ΔGH*绝对值数值是否小于光生电势能值eUe,2D-COF析氧反应自由能数值ΔGOH*绝对值数值是否小于光生电势能值eUh;所述条件一为2D-COF析氢反应过电势数值ηHER数值是否小于光生电势能值eUe,2D-COF析氧反应过电势数值ηOER数值是否小于光生电势能值eUh; 所述2D-COF光催化全解水热力学性能数据集Ⅰ的建立方法包括: 利用自动化生成输入文件程序对所述2D-COF结构CIF文件1进行处理,生成电子结构数据集1-A,并对结构特征和化学特征进行收集,分别得到结构特征数据集1-B和化学特征数据集1-C; 对所述电子结构数据集1-A、所述结构特征数据集1-B和所述化学特征数据集1-C进行数据汇总,并利用GBR算法对汇总得到的2D-COF催化性能总数据集1-D进行机器学习,得到预测模型;所述预测模型包括预测催化性能数学模型A和预测催化性能数学模型B; 对所述2D-COF结构CIF文件2进行结构特征和化学特征的收集,分别得到结构特征数据集1-E和化学特征数据集1-F; 将所述结构特征数据集1-E和所述化学特征数据集1-F作为初始数据输入所述预测催化性能数学模型A,生成电子结构数据集1-G;以及将所述结构特征数据集1-E和所述化学特征数据集1-F作为初始数据输入所述预测催化性能数学模型B,生成电子结构数据集1-H; 根据所述电子结构数据集1-A、所述电子结构数据集1-G和所述电子结构数据集1-H构建2D-COF光催化全解水热力学性能数据集Ⅰ。

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哈尔滨理工大学,其通讯地址为:150080 黑龙江省哈尔滨市南岗区学府路52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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。