[发明专利]一种金属纳米团簇结构的优化方法

说明书

本发明实施例公开一种金属纳米团簇结构的优化方法，该方法包括：随机生成金属纳米团簇群，通过对优化后的第一金属纳米团簇结构进行特征提取并构建数据集对能量预测模型框架训练得到第一能量预测模型，通过比较第一能量预测模型和密度泛函理论对第二金属纳米团簇的计算值差值，对第二金属纳米团簇结构局部优化得到第三金属纳米团簇结构，对第三金属纳米团簇结构进行特征提取后更新数据集，对第一能量预测模型进行再次训练。该实施例提供的优化方法可减少金属纳米团簇结构优化方法对密度泛函理论计算的依赖，可在较短时间内对大尺寸的金属纳米团簇结构进行优化，同时具有较高的精确度和收敛速度，误差范围在0.01ev/atom以内。

技术领域

本发明涉及纳米材料技术领域，更具体地，涉及一种金属纳米团簇结构的优化方法。

背景技术

金属纳米团簇具有一些特殊的结构、组成和性质等，被广泛用在催化、光学、磁学和生物诊断器等领域。尤其在催化应用方面，金属纳米团簇被认为是金属纳米催化剂中最具发展潜力的一种，被称为“第四代催化剂”。例如，宏观状态下，银是惰性的，可以用来制作饰品，并在很长时间内不会发生变化。然而在纳米尺度下，银纳米簇却能与DNA反应，可以用来杀死细菌。再如纳米尺度的金团簇，具有非常良好的催化活性。这主要是由于金属纳米团簇的尺寸小，比表面积大，表面原子的键态和电子态与其内部不同，表面原子配位不全等特点导致其表面的催化活性增加。金属纳米簇还具有优秀的磁学性质、光学性质和导电行为等性质，并且在多个领域应用前景广泛，所以金属纳米团簇成为了纳米科学技术研究的重要的研究方向。

目前，在理论计算领域，最常用作于预测金属纳米团簇的计算方法是密度泛函理论。但由于其核心是求解方程，求解的时间复杂度与目标体系的尺寸呈指数关系。随着目标体系的尺寸增长，求解稳定的金属纳米团簇结构的时间会迅速增长。所以，密度泛函理论往往仅用于计算较小尺寸的金属纳米团簇结构预测。就全局优化与密度泛函理论结合而言，只能达到通过化学组分直接预测金属纳米团簇结构，但依然十分依赖密度泛函理论的计算，因此，全局优化与密度泛函理论结合同样无法用于较大尺寸的金属纳米团簇结构的预测。

因此，为了克服现有技术存在的技术缺陷，需要提供一种新的金属纳米团簇结构的优化方法。

发明内容

本发明的目的在于提供一种金属纳米团簇结构的优化方法，以解决现有技术存在的问题中的至少一个。

为了达到上述目的之一，本发明提供一种金属纳米团簇结构的优化方法，该方法包括如下步骤：

S1、设置待优化的金属纳米团簇的尺寸和构成所述待优化的金属纳米团簇的金属原子种类及数量，转入步骤S2；

S2、在半径为R的球形空间或边长为R的正方形空间内，随机生成规模为N的金属纳米团簇群，所述金属纳米团簇群由N个具有对称性的金属纳米团簇构成，每一所述金属纳米团簇由n个金属原子构成，转入步骤S3；

S3、剔除所述金属纳米团簇群中具有相似结构的金属纳米团簇，并补充新的金属纳米团簇以保持所述金属纳米团簇群的规模，转入步骤S4；

S4、对每一所述金属纳米团簇进行原子坐标和力平衡优化计算，得到多个第一金属纳米团簇结构及每一所述第一金属纳米团簇结构的能量值，转入步骤S5；

S5、分别对每一所述第一金属纳米团簇结构中的每一个金属原子进行特征提取，得到各单个金属原子的特征向量，构建包含多个第一金属纳米团簇结构所包含的所有金属原子的特征向量及每一所述第一金属纳米团簇结构的能量值的第一数据集，并将第一数据集按照预设比例划分为第一训练集和第一测试集，转入步骤S6；

S6、建立金属纳米团簇的能量预测模型框架，将所述第一训练集导入所述能量预测模型框架中进行训练以得到金属纳米团簇的第一能量预测模型，并采用第一测试集对所述第一能量预测模型的预测能力进行测试，转入步骤S7；