[发明专利]一种基于原子邻域图表示的参数化哈密顿量构造方法

权利要求书

1.一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述方法包括步骤：

根据材料的晶体结构信息构建晶体图，所述晶体图的每个结点代表晶胞中对应的原子及其所有周期性的镜像；

基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，以使结点的输出特征向量包含原子局部化学环境表示；

基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元。

2.如权利要求1所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述根据材料的晶体结构信息构建晶体图，包括步骤：

根据材料的晶体结构信息，将一个晶胞内的原子和化学键分别作为所述晶体图的结点和边并确定晶体图中结点和边的个数；

对所述结点和边的特征向量进行初始化，所述结点的初始特征向量为代表元素种类的嵌入向量，所述边的特征向量为原子中心间距函数。

3.如权利要求2所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述将一个晶胞内的原子和化学键分别作为所述晶体图的结点和边，包括步骤：

在确定晶体图的边时，设置原子轨道相互作用的截断距离，当两个原子之间的距离小于所述截断距离时，则认为所述两个原子之间有边。

4.如权利要求1所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，包括步骤：

定义图卷积层，所述图卷积层用于聚合结点的邻域特征；

由多个图卷积层组成图卷积神经网络，并将所述图卷积神经网络应用于所述晶体图进行结点特征向量的更新；

所述更新后的结点的输出特征向量嵌入了结点对应原子的局部化学环境。

5.如权利要求4所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，定义所述图卷积层时，使局部环境一致的原子结点拥有相同的输出特征向量。

6.如权利要求5所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述图卷积层根据第一公式定义，所述第一公式包括：

其中，为(l+1)层结点的特征向量，为与结点相邻的l层结点特征向量，σ(…)为激活函数，b^(l)为偏置，n(i)结点i的邻域集合，c_ji归一化函数，e_ji为边的标量权重且表达式为W^(l)为结点可训练权重矩阵。

7.如权利要求1所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元，包括步骤：

基于第一多层感知机模型从所述输出特征向量学习对应输入材料的在位能；

基于第二多层感知机模型从所述输出特征向量学习对应输入材料的跳跃能；

基于所述在位能和跳跃能构建对应材料的参数化哈密顿矩阵元。

8.如权利要求7所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，

所述第一多层感知机模型还用于使具有相同输出特征向量的结点最终得到相同的在位能；

所述第二多层感知机模型还用于使输出特征向量一致并且边长一样的结点对最终得到相同的跳跃能。

9.如权利要求8所述的一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述第二多层感知机模型基于第二公式、第三公式或第四公式确定，且

所述第二公式包括：

h(i,j)＝MLP₂[f(a_i，a_j，d_ij)]，

f(a_i，a_j，d_ij)＝f(a_j，a_i，d_ji)＝[g(a_i)+g(a_j)]/d_ij²，

所述第三公式包括：

h(i,j)＝MLP₂[f(a_i，a_j，d_ij)]，

f(a_i，a_j，d_ij)＝f(a_j，a_i，d_ji)＝g(a_i*a_j)/d_ij²，

所示第四公式包括：

h(i,j)＝MLP₂[f(a_i，a_j，d_ij)]，

f(a_i，a_j，d_ij)＝f(a_j，a_i，d_ji)＝g(a_i+a_j)/d_ij²，

其中，MLP₂为第二多层感知机模型，a_i为结点i的输出特征向量,a_j为结点j的输出特征向量，结点i与结点j轨道之间的跳跃能h(i,j),d_ij为原子轨道中心间距，函数f用于处理a_i和a_j并保证哈密顿量跳跃能的对称性，g函数为一个多层感知机。