[发明专利]分子碰撞截面的预测方法、装置、设备及存储介质

说明书

本申请公开了一种分子碰撞截面的预测方法、装置、设备及存储介质，通过基于预设数据库中已有的多种气体的碰撞截面数据，生成多组碰撞截面集，并利用预设电子群参数计算工具，计算每组所述碰撞截面集的电子群参数，以实现利用已有气体的碰撞截面数据分析电子群参数特征；再利用所述电子群参数，对预设神经网络进行训练，直至所述预设神经网络的损失函数达到预设收敛条件，得到碰撞截面预测模型，以及利用所述碰撞截面预测模型，预测目标气体的目标碰撞截面数据，从而利用机器学习方式建立准确的反演模型，以加速气体完整碰撞截面集的获取和降低人为修正的主观性，有效解决现有截面集修正过程效率低和依赖专家经验的问题。

技术领域

本申请涉及分子碰撞技术领域，尤其涉及一种分子碰撞截面的预测方法、装置、设备及存储介质。

背景技术

电子与中性分子的碰撞导致该电子被吸附在中性分子，即为吸附截面。吸附截面属于碰撞截面，碰撞截面主要包括电离截面、吸附截面、激发截面、弹性截面和动量转移截面，这些截面均可以通过电子束实验或量子化学理论计算得到，但由于实验和计算都存在误差，导致这些碰撞截面组合在一起计算得到的电子群参数与实测值之间存在较大的差别。

目前，对于某一种分子，相关技术利用汇总的截面集求解Boltzmann方程，以计算该分子的电子群参数，并将电子群参数与实验测量值进行比较；再通过人为反复修正截面集，以不断提高计算参数与实验数据的一致性，最终得到一套完整自洽的碰撞截面集，但是该迭代修正过程十分繁琐和效率低，且严重依赖于专家经验。

发明内容

本申请提供了一种分子碰撞截面的预测方法、装置、设备及存储介质，以解决碰撞截面集的修正过程效率低和依赖专家经验的技术问题。

为了解决上述技术问题，第一方面，本申请提供了一种分子碰撞截面的预测方法，包括：

基于预设数据库中已有的多种气体的碰撞截面数据，生成多组碰撞截面集；

利用预设电子群参数计算工具，计算每组所述碰撞截面集的电子群参数；

利用所述电子群参数，对预设神经网络进行训练，直至所述预设神经网络的损失函数达到预设收敛条件，得到碰撞截面预测模型；

利用所述碰撞截面预测模型，预测目标气体的目标碰撞截面数据。

在一些实现方式中，所述基于预设数据库中已有的多种气体的碰撞截面数据，生成多组碰撞截面集，包括：

对所述碰撞截面数据进行加权几何平均处理，生成新的碰撞截面数据；

对所述新的碰撞截面数据进行分类，得到多组所述碰撞截面集。

在一些实现方式中，所述对所述碰撞截面数据进行加权几何平均处理，生成新的碰撞截面数据，包括：

利用预设加权几何平均函数，根据目标随机数，对所述碰撞截面数据进行加权几何平均处理，生成新的碰撞截面数据，所述预设加权几何平均函数为：

其中，σ_new(∈)为新的碰撞截面数据，r表示区间(0,1)内的随机数，σ_i表示第i个碰撞截面数据，σ_j表示第j个碰撞截面数据，∈_i表示第i个碰撞截面对应的阈值能量，∈_j为第j个碰撞截面对应的阈值能量，∈为新的碰撞截面对应的能量。

在一些实现方式中，所述新的碰撞截面对应的能量的计算函数为：

其中，s表示区间[-1,1]内的随机数，∈_min表示预设的能级最小值，∈_max表示预设的能级最大值。