基于神经网络的迁移能级陷阱修正方法及系统

本申请公开了一种基于神经网络的迁移能级陷阱修正方法及系统，属于高压与绝缘技术领域，包括：将各单体分子的基本结构搭建成相应的高斯分子结构；采用杂化密度泛函对高斯分子结构进行量子化学计算，得到轨道能级；对纳米复合材料进行量子化学计算，得到在无电场作用和固定电场强度下，纳米复合材料的轨道能级；计算电荷迁移过程中的电子陷阱和空穴陷阱的势垒高度，确定纳米复合材料的关键参数；构建神经网络，利用神经网络对载流子迁移率进行修正，得到修正值。本申请的方法通过建立“分子结构‑电场条件‑陷阱特性”映射关系，可以有效补偿纯理论计算的系统性偏差，显著提升纳米填料掺杂方案的可靠性，为高压绝缘材料的设计提供量化依据。