一种基于TCGPR方法优化设计内源性NO供体材料的方法

本发明公开了一种基于TCGPR方法优化设计内源性NO供体材料的方法，所述方法以L‑精氨酸和六水三氯化铁的投料比、超声时间、反应温度、反应时间为实验变量设计正交实验作为训练数据集，基于高斯过程回归树分类器TCGPR构建机器学习模型，然后基于实验变量正交设计虚拟实验配方，利用构建的机器学习模型对虚拟实验配方进行预测，通过知识梯度效用函数评估产生最大一氧化氮浓度值的潜力，预测出具有潜力的内源性一氧化氮供体候选材料，对候选材料进行实验验证筛选出最优方案。本发明有效的提高了内源性一氧化氮供体材料的设计效率和设计准确性，加速了内源性一氧化氮供应材料的发现。利用本发明所述方法设计筛选出的内源性一氧化氮供体材料具有优异的一氧化氮生成浓度值。
上海大学
冯凌燕 | 李天亮 | 曹斌 | 苏天昊 | 张统一