[发明专利]基于全局优化算法构建神经网络力场模型的方法

权利要求书

1.一种基于全局优化算法构建神经网络力场模型的方法，其特征在于,其实现过程包括：

步骤S1、数据处理阶段：材料模拟研究人员根据研究目标搜集有效的材料模拟数据，对搜集得到的材料模拟数据进行单点能标定，并根据组分和原子数目进行分类和筛选，筛选后的材料模拟数据存储于数据库；

步骤S2、模型训练阶段：根据不同的研究目标，从数据库中选取能量/能量和力作为神经网络的评价函数，训练得到至少四个神经网络模型；

步骤S3、数据采样阶段：基于训练得到的神经网络模型，采用遗传算法进行数据采样，实现全局空间的搜索；

步骤S4、数据评估阶段：对通过遗传算法采样得到的数据进行有效性评估，采用结构最大力作为评价特征，用训练得到的神经网络模型计算力的均值，然后对所有神经网络模型的数据计算对于其均值的方差，在方差偏离均值的设定阈值时，认定采样数据数据没有意义，在方差处于设定阈值时，将采样数据自动地提交到超算服务器进行第一性原理计算标定，得到的数据进行预处理，并合并到当前的数据库，至此，完成了一轮迭代过程；

步骤S5、不断重复步骤S1-步骤S4，随着迭代的进行，数据库的数据不断增多，则神经网络的泛化能力不断得到提升，最终得到适配研究任务的神经网络力场模型。

2.根据权利要求1所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，有效的材料模拟数据可以是课题组以前的历史数据，也可以是文献中的数据；

材料模拟数据可以是材料单点能计算，或者结构优化计算以及分子动力学计算。

3.根据权利要求1所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，根据组分和原子数目进行分类和筛选的具体操作如下：

首先，对单点能标定后的材料模拟数据根据组分和原子数目不同进行分类；

随后，将相同组分和原子数的结构安装能量进行排序，其中，能量差值在0.1eV内的结构按照结构的最大作用力进行排序；

最后，按照0.2eV的阈值进行数据筛选：能量接近的材料模拟数据，如果最大作用力小于认定为冗余数据，需要排除。

4.根据权利要求3所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，筛选后的材料模拟数据存储于ase的db数据库，db数据库是一种基于sqlite的数据库，可以存储材料结构的坐标、能量、力以及其他附加的计算信息，有利于数据的批量处理。

5.根据权利要求1所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，遗传算法的初始结构种群可以随机产生，也可以从神经网络模型输出的数据中产生，或者随机产生和神经网络模型输出数据混合的后产生。

6.根据权利要求5所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，采样过程中，根据GPU服务器数量，运行相同数量的遗传算法程序，当遗传算法完成后，自动提示神经网络进程结束。

7.根据权利要求5所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，遗传算法的遗传子代在25代-35代之间。

8.根据权利要求1所述的基于全局优化算法构建神经网络力场模型的方法，其特征在于，设定阈值包括极小值和极大值，

所述极小值为方差偏离均值的值小于时，认定方差过低的偏离均值；

所述极大值为方差偏离均值的值大于时，认定方差过高的偏离均值；

无论方差过高的偏离均值还是过低的偏离均值，都认定采样数据数据没有意义。