基于图神经网络的粘结剂组成-性能耦合预测方法

本发明公开了一种基于图神经网络的粘结剂组成‑性能耦合预测方法，包括如下步骤：S1.采集锂离子电池硅基负极用粘结剂样本及粘结剂性能样本；S2.将预处理后的粘结剂组成样本转换为图数据结构；S3.基于图数据结构构建图神经网络模型，输出与粘结剂性能样本相对应的性能预测结果；S4.利用灰狼优化算法对图神经网络模型进行全局参数优化，灰狼优化算法在迭代过程中依据图神经网络模型输出的预测结果与实际粘结剂性能样本之间的误差作为目标损失函数；S5.优化后的图神经网络模型应用于新粘结剂组成图数据，生成对应的性能预测结果。本发明能够显著提升模型对粘结剂性能变化趋势的感知能力，使模型不仅学习各个成分的个体影响，更能够理解其组合关系与耦合效应。