相原型预测：通过转移学习预测无机物质的相原型-源码

``通过转移学习预测无机物质的阶段原型'' CNN在来自开放量子材料数据库（OQMD）的228,676种化合物的大数据集上进行了训练。 训练有素的CNN的特征提取器被重新用于包含17,762种无机物质并涉及170个相原型的相原型数据集上的特征提取。 然后将随机森林用作分类器。 泡菜格式的文件“ comp_energy_pa_oqmdf2b.txt”和“ comp_volume_pa_oqmdf2.txt”包含来自OQMD的Ef和V数据。 泡菜格式的文件“ phase-prototypes-dataset.txt”包含phase-prototypes-dataset。 泡菜格式的文件'element_property.txt'和'Z_row_column.txt'包含108种化学元素的原子序数，行数和列数等信息。 代码“ CNN-OQMD-Ef”和“ CNN-OQMD-Ef”进行培训和