[发明专利]一种通过深度学习计算乙烷分子能量的方法

摘要

本发明公开了一种通过深度学习计算乙烷分子能量的方法，属于分子能量计算技术领域，包括如下步骤：S1：构建乙烷分子数据库；S2：随机选取m个构型和对应能量作为训练组，其余1000‑m个作为测试组；S3：将训练组分子空间坐标转化并组成训练组构型参数输入矩阵；S4：提取训练组能量数据作为训练输出能量矩阵，并与训练组构型参数输入矩阵一一对应；S5：构建测试组构型参数输入矩阵和输出能量矩阵，矩阵行数为1000‑m；S6：经过双神经层计算得到乙烷分子能量矩阵E^calc。本发明减小了训练组和测试组的比值对于训练结果准确性的影响。

主权项

1.一种通过深度学习计算乙烷分子能量的方法，其特征在于，包括如下步骤：S1：构建乙烷分子数据库，所述乙烷分子数据库包含1000个不同构型乙烷分子的空间坐标和与构型对应的能量；S2：随机选取m个构型和对应能量作为训练组，其余1000‑m个构型和对应能量作为测试组；S3：将训练组分子空间坐标转化为：各成键原子间键长，包括C‑H键键长rC1‑H1，rC1‑H2，rC1‑H3，rC2‑H4，rC2‑H5，rC2‑H6以及C‑C键键长rC1‑C2；分子中连续键结三原子形成的键角，包括C‑C‑H所形成的键角θC2‑C1‑H1，θC2‑C1‑H2，θC2‑C1‑H3，θC1‑C2‑H4，θC1‑C2‑H5，θC1‑C2‑H6，以及H‑C‑H所形成的键角θH1‑C1‑H2，θH1‑C1‑H3，θH2‑C1‑H3，θH4‑C1‑H5，θH4‑C1‑H6，θH5‑C1‑H6；分子中连续键结四原子形成的二面角，为H‑C‑C‑H所形成的二面角，包括：φH1‑C1‑C2‑H4，φH1‑C1‑C2‑H5，φH1‑C1‑C2‑H6，φH2‑C1‑C2‑H4，φH2‑C1‑C2‑H5，φH2‑C1‑C2‑H6，φH3‑C1‑C2‑H4，φH3‑C1‑C2‑H5，φH3‑C1‑C2‑H6；非键原子间的距离，包括：rH1‑H4，rH1‑H5，rH1‑H6，rH2‑H4，rH2‑H5，rH2‑H6，rH3‑H4，rH3‑H5，rH3‑H6；令：∑rC‑H＝rC1‑H1+rC1‑H2+rC1‑H3+rC2‑H4+rC2‑H5+rC2‑H6；∑θC‑C‑H＝θC2‑C1‑H1+θC2‑C1‑H2+θC2‑C1‑H3+θC1‑C2‑H4+θC1‑C2‑H5+θC1‑C2‑H6；∑θH‑C‑H＝θH1‑C1‑H2+θH1‑C1‑H3+θH2‑C1‑H3+θH4‑C2‑H5+θH4‑C2‑H6+θH5‑C2‑H6；并以：∑r_C‑H,r_C1‑C2,∑θ_C‑C‑H,∑θ_H‑C‑H,∑cos3φ_{H‑C‑C‑H},此十一个参数组成训练组构型参数输入矩阵；S4：提取训练组能量数据作为训练输出能量矩阵，并与训练组构型参数输入矩阵一一对应，即训练组构型参数输入矩阵R和训练组输出能量矩阵Ereal分别为：S5：构建测试组构型参数输入矩阵和输出能量矩阵，矩阵行数为1000‑m；即测试组构型参数输入矩阵R*和测试组输出能量矩阵分别为：S6：依据训练组构型参数，采用双神经层计算结构对乙烷分子能量进行学习，经过双神经层计算得到乙烷分子能量矩阵Ecalc：Ecalc＝[tf.nn.relu(R×Win+bin)]×Wout+bout；其中tf.nn.relu为线性整流函数，R为训练组构型参数输入矩阵，Win为第一神经层权重矩阵，bin为第一神经层偏置矩阵，Wout为第二神经层权重矩阵，bout为第二神经层偏置矩阵。