1.基于混合勢能深度學習模型的晶體結構預測方法，其特征在于，包括：
2.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述在結構預測平臺輸入需預測材料的基礎信息，生成需預測材料的基礎信息特征值并進行合理性評估，具體過程為：
3.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述基于需預測材料的基礎信息特征值從結構預測平臺中調取符合需預測材料的各晶體結構數據集合并獲得各晶體結構的結構特征值，具體包括：
4.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述對各晶體結構原子間的局部環境進行對應的特征學習，具體包括：
5.根據權利要求4所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述輸出各晶體結構的初步能量，具體包括：
6.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述分析處理得到各晶體結構的神經網絡勢評估結果，包括：
7.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述計算各穩定晶體結構的原子間的短程相互作用信息，通過累加處理得到各穩定晶體結構的經驗勢，具體包括：
8.根據權利要求1所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述將各穩定晶體結構的神經網絡勢和經驗勢進行綜合分析處理獲得各穩定晶體結構的總能量勢，并導入優化算法中進行迭代更新，輸出總能量勢最低的穩定晶體結構為需預測材料的目標晶體結構，具體包括：
9.根據權利要求7所述基于混合勢能深度學習模型的晶體結構預測方法，其特征在于：所述分析處理獲得各穩定晶體結構的總能量勢,具體處理條件為：
10.一種基于混合勢能深度學習模型的晶體結構預測系統，其特征在于，包括：