[发明专利]晶体结构生成方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种晶体结构生成方法，其特征在于，包括：

步骤A：获得拟预测分子的第一晶体结构集，所述第一晶体结构集包括多个晶体结构；

步骤B：以所述第一晶体结构集为训练集进行特征提取，分别得到所述训练集中的各晶体结构的特征向量；

步骤C：根据所述训练集中的各晶体结构的特征向量训练生成神经网络；

步骤D：根据所述神经网络生成所述拟预测分子的第二晶体结构集，所述第二晶体结构集包括至少一个晶体结构；

其中，所述特征向量包括：

晶胞参数或者晶胞的自由度，

分子构象的柔性角或者分子构象，以及

分子构象在晶胞中的位置和摆放姿态，或者分子构象在晶胞中的中心位置和指向。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

步骤E：从所述第二晶体结构集过滤出所述拟预测分子的有效晶体结构，当过滤出的各所述拟预测分子的有效晶体结构与所述训练集中的所有晶体结构的差异度均小于第一预设阈值时，将过滤出的所述拟预测分子的有效晶体结构输出作为所述拟预测分子的晶体结构。

3.根据权利要求2所述的方法，其特征在于，所述差异度是根据过滤出的有效晶体结构与所述训练集中的晶体结构的均方根偏差值确定的。

4.根据权利要求2所述的方法，其特征在于，所述步骤E还包括：

当至少一个过滤出的所述拟预测分子的有效晶体结构与所述训练集中的所有晶体结构的差异度不小于第一预设阈值时，将所述至少一个过滤出的所述拟预测分子的有效晶体结构加入所述训练集中，并再次执行所述步骤B至所述步骤E。

5.根据权利要求1所述的方法，其特征在于，所述获得拟预测分子的第一晶体结构集，包括：

通过随机算法生成预设数量的所述拟预测分子的多个有效晶体结构。

6.根据权利要求1所述的方法，其特征在于，所述神经网络为对抗神经网络(WGAN)模型；所述对抗神经网络模型包括一个用于生成拟预测分子的晶体结构的生成器，和一个用于判别生成器生成的拟预测分子的晶体结构是否接近于真实的判别器。

7.根据权利要求6所述的方法，其特征在于，所述根据所述训练集中的各晶体结构的特征向量训练生成神经网络，包括：

在均匀分布空间中随机采样z向量，输入生成器生成拟预测分子的晶体结构，然后判别器以生成器生成的拟预测分子的晶体结构与所述第一晶体结构集中的多个晶体结构之间的Wasserstein距离作为代价函数，若代价函数满足预设标准，则停止训练，若代价函数不满足预设标准，则重复执行本步骤以进一步训练所述生成器和判别器。

8.根据权利要求7所述的方法，其特征在于，所述预设标准为：连续预设次数的Wasserstein距离的波动范围在预设范围内。

9.一种晶体结构生成装置，其特征在于，包括：

第一晶体结构集获得模块：用于获得拟预测分子的第一晶体结构集，所述第一晶体结构集包括多个晶体结构；

特征提取模块：用于以所述第一晶体结构集为训练集进行特征提取，分别得到所述训练集中的各晶体结构的特征向量；

其中，所述特征向量包括：

所述晶胞参数或者晶胞的自由度，

所述分子构象的柔性角或者分子构象，以及

所述分子构象在晶胞中的位置和摆放姿态，或者分子构象在晶胞中的中心位置和指向

训练模块：用于根据所述训练集中的各晶体结构的特征向量训练生成神经网络；

晶体结构生成模块：用于根据所述神经网络生成所述拟预测分子的第二晶体结构集，所述第二晶体结构集包括至少一个晶体结构。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至8中任意一项所述的方法。

11.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备中的处理器执行时，使所述电子设备执行如权利要求1至8中任意一项所述的方法。