一种基于神经网络的质子在器件中能量沉积预测方法

实质审查的生效

摘要

本发明公开了一种基于神经网络的质子在器件中能量沉积预测方法，通过建立反应目标系统特性的数据库，搭建BP神经网络并进行优化训练，通过确定的最优网络模型与预测的数据集进行预测，通过本发明预测能量沉积与实际能量沉积相比，总体准确率保持在90％以上，只有个别预测结果有所偏差，误差率在15％左右。因此，本发明基于神经网络进行能量沉积预测可以实现沉能量积快速准确地预测，解决了实验方法和模拟仿真方法带来的人力、物力以及时间成本等问题。

基本信息

专利标题：

一种基于神经网络的质子在器件中能量沉积预测方法

专利标题（英）：

暂无

公开（公告）号：

CN114492188A

申请号：

CN202210087323.3

公开（公告）日：

2022-05-13

申请日：

2022-01-25

授权号：

暂无

授权日：

暂无

发明人：

李光耀蒋煜琪王煜泽薛玉雄曹荣幸郑澍王磊曾祥华

申请人：

扬州大学

申请人地址：

江苏省扬州市大学南路88号

代理机构：

南京瑞弘专利商标事务所(普通合伙)

代理人：

陈建和

优先权：

CN202210087323.3

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F30/15

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-05-31 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20220125

2022-05-13 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载