随着现今新能源材料应用的增长,密度泛函计算等大规模材料计算也迎来新的挑战。卷积神经网络是一种前馈人工神经网络,不仅使用了较少的预处理,而且在特性设计中具有独立于先验知识和人工工作等特性,现已经成为众多科学领域研究的热点之一。本文基于卷积神经网络和密度泛函计算,开展材料晶体结构的预测分析。卷积神经网络的模型可以通过动态自动训练,不需手工装配训练数据集,所以无需对晶体结构预测算法进行重大调整,即可开展基于密度泛函计算的晶体结构预测。而且卷积神经网络可以与密度泛函计算相互验证结合,提高物质计算时结构预测的效率和准确性。为了跟进新能源材料的不断发展和机器学习算法的广泛应用,本论文探索将机器学习预测方法与密度泛函计算的预处理相结合,开展材料结构计算分析与晶体结构预测应用。基于密度泛函理论研究了面向材料晶体结构预测的卷积神经网络相关算法分析,进行了对应软件的模拟测试应用。首先结合材料计算技术新近进展概述密度泛函相关理论,讨论将机器学习引入材料晶体结构预测。接着基于TensorFlow软件环境搭建卷积神经网络,通过结构预测训练给出相应网络模型分析。并对钠元素的13种不同ID的晶体结构进行预测实验,为相关材料的计算模拟提供晶体结构预处理支持。