[发明专利]一种基于基因算法的表面催化反应中催化剂的设计方法

说明书

本发明涉及一种基于基因算法的表面催化反应中催化剂的设计方法，该方法包括如下步骤：(1)设定种群数量，创建目标吸附物种的催化剂初始种群，种群中的每个催化剂个体采用元素编码方式进行编码，形成个体基因序列，并计算种群个体吸附能；(2)基于目标吸附能和种群个体吸附能计算种群个体的适应度，保存适应度最大的个体作为优选催化剂；(3)判断是否达到最大迭代步数，若是则输出优选催化剂，否则执行步骤(4)；(4)对当前种群进行选择、交叉、变异操作生成新一代种群，计算新一代种群个体吸附能，返回步骤(2)。与现有技术相比，本发明能够高效率地寻找到活性更好的催化剂，节约了计算成本，解放了人力，去除了人为误差的影响。

技术领域

本发明涉及一种表面催化反应中催化剂的设计方法，尤其是涉及一种基于基因算法的表面催化反应中催化剂的设计方法。

背景技术

伴随着近代量子化学理论的丰富与完善，以及计算机水平的日新月异的发展，计算化学被广泛地应用于物理、化学、生物、环境科学等多个领域。尤其是基于第一性原理(the first principles)的密度泛函理论(density functional theory)方法，凭借其在描述微观原子间相互作用及化学行为有着较高的精度、较大的尺度和较快的速度等优势，目前已被普遍地运用到多相催化和材料科学等研究中。目前研究人员可以通过商业的量子化学软件计算出催化体系的反应性，基于这些数据研究催化材料的活性规律并筛选出合适的催化剂。这个过程包括：优化体相晶型结构、构建催化剂表面结构、优化表面结构、构建含吸附物种的表面结构、优化含吸附物种的表面结构，处理数据并计算物种吸附能。事实上如果需要获得目标吸附能的催化材料，研究人员必须不断重复上述过程，而催化剂种类及其表面暴露的活性位点多样，这对计算资源的消耗非常巨大，大大制约了催化剂的高通量筛选。即便有些科研人员能借助计算资源的优势和程序实现自动化流程，这个过程也需要花费很多时间，计算效率非常低下。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于基因算法的表面催化反应中催化剂的设计方法。

本发明的目的可以通过以下技术方案来实现：

一种基于基因算法的表面催化反应中催化剂的设计方法，该方法包括如下步骤：

(1)设定种群数量，创建目标吸附物种的催化剂初始种群，种群中的每个催化剂个体采用元素编码方式进行编码，形成个体基因序列，并计算种群个体吸附能；

(2)基于目标吸附能和种群个体吸附能计算种群个体的适应度，保存适应度最大的个体作为优选催化剂；

(3)判断是否达到最大迭代步数，若是则输出优选催化剂，否则执行步骤(4)；

(4)对当前种群进行选择、交叉、变异操作生成新一代种群，计算新一代种群个体吸附能，返回步骤(2)。

步骤(1)具体为：

(11)将化学元素编码成不同的数字，将催化剂中各组分元素采用对应的数字进行编码形成个体基因序列；

(12)根据个体基因序列选择催化剂体相晶胞并优化；

(13)对优化后的催化剂体相晶胞构建低密勒指数面的表面结构，并根据个体基因序列掺杂相应元素，形成催化剂吸附面；

(14)将目标吸附物种放到催化剂吸附面的反应位点上方一定距离并优化；

(15)计算种群个体吸附能。

种群个体吸附能通过下式获得：

E_ads＝E_{adsorbate/surface}-E_adsorbate-E_surface，