[发明专利]机器学习方法、系统及设备

说明书

本发明提供一种机器学习方法、系统及设备，所述机器学习方法包括：进行第一性原理计算，以获取吸附材料与多个重金属离子相结合的最优结构；在具有最优结构的吸附材料上随机放置重金属离子，获取带有重金属离子的复合结构，并计算不同重金属离子对应的复合结构的吸附能，以构建数据集；构建任意带有重金属离子的复合结构的主吸附能预测模型；训练剩余带有重金属离子的复合结构的吸附能预测模型；统计已训练带有重金属离子的复合结构的吸附能预测模型的统计学数据，以评估吸附材料对重金属离子的吸附能力。本发明准确评估吸附材料对重金属离子的吸附能力，以此来大幅降低吸附材料的设计成本，为设计新型吸附材料来吸附重金属离子提供有力指导。

技术领域

本发明属于环境污染评估技术领域，特别是涉及一种机器学习方法、系统及设备。

背景技术

重金属污染是一个极其严重的环境问题，含有重金属离子的废水、污泥等通过土壤、空气，尤其是食物链对人类的生存和身心健康造成了严重危害。近年来，吸附技术有了重大的发展，由于纳米材料吸附量高、分离简单、循环再生效率高等特定，在重金属废水处理中有着重要的应用前景。吸附材料存在各种活性成分如孔径、基团等，通过与吸附的金属离子形成离子键或共价键达到吸附重金属离子的目的。因此，对吸附材料进行有机修饰后，进一步增加它的活性位点，可以设计出更好的吸附剂。寻找或开发对重金属离子有较强吸附作用的理想吸附材料成为了当下的研究热点与难点。

现有的研究技术主要分为实验测量和理论计算。为了开发对重金属离子吸附能力强的材料，在实验上，研究人员在特定条件下合成新型的候选材料，配置重金属离子的溶液，再通过测量吸附前后的重金属离子浓度来判断候选材料的吸附能力。该类技术可以评估一个吸附材料的吸附能力，缺点是耗时长、成本高、难度大。为了降低试错成本，越来越多的科研工作者开始借助于理论计算，在前期辅助新型材料的设计。

具体地，现有技术包括以下缺陷：

第一，实验成本高；现有技术在利用实验制备吸附材料、测量吸附量等时需要昂贵的化学材料成本。

第二，效率低；有实验制备、合成、测量等繁琐的步骤，且一般都需要XPS等精密仪器来操作，试验周期长。

第三，对吸附位点的认识不足；实验上很难测定重金属离子在吸附材料的具体吸附位点，而理论上仅仅研究了最佳的吸附位点，对吸附材料整体的吸附能力缺乏认识。

第四，理论研究任意位点的吸附能，需要大量的第一性原理计算，耗时长且成本高。

第五，泛化能力差；现有技术通常只能针对某种重金属离子进行研究，设计理想吸附材料，对其他重金属离子适用性不强。

因此，如何提供一种机器学习方法、系统及设备，以解决现有技术出现的成本高，效率低，能耗大、使用不便，泛化能力差等缺陷，实已成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种机器学习方法、系统及设备，用于解决现有技术中成本高，效率低，能耗大、使用不便，泛化能力差的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种机器学习方法，用于预测吸附材料上不同重金属离子的吸附能力；所述机器学习方法包括：进行第一性原理计算，以获取吸附材料与多个重金属离子相结合的最优结构；在具有最优结构的吸附材料上随机放置重金属离子，获取带有重金属离子的复合结构，并计算不同重金属离子对应的复合结构的吸附能，以构建用于机器学习的数据集；构建任意带有重金属离子的复合结构的主吸附能预测模型；所述主吸附能预测模型用以预测吸附能；根据已构建的主吸附能预测模型，训练剩余带有重金属离子的复合结构的吸附能预测模型；统计所有已训练带有重金属离子的复合结构的吸附能预测模型的统计学数据，以评估所述吸附材料对重金属离子的吸附能力。

于本发明的一实施例中，在进行第一性原理计算的步骤之前，所述机器学习方法还包括：建立所述吸附材料的结构模型。