[发明专利]一种通过深度学习计算水分子能量的方法

摘要

本发明公开了一种通过深度学习计算水分子能量的方法，属于分子能量计算技术领域，包括S1：构建水分子数据库，所述水分子数据库包含1000个不同构型水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个构型作为测试组；S3：将训练组和测试组分子空间坐标转化为两个氢氧键键长r_O‑H1，r_O‑H2、分子键角θ以及三个原子间距离的倒数1/r_O‑H1,1/r_O‑H2,1/r_H1‑H2；S4：提取训练组能量数据作为输出能量矩阵；S5：构建测试组构型参数输入矩阵和输出能量矩阵；S6：采用双神经层计算结构对能量进行学习；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水分子能量的方法，其特征在于，包括如下步骤：S1：构建水分子数据库，所述水分子数据库包含1000个不同构型水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两个氢氧键键长、分子键角θ、三个原子间距离的倒数1/rO‑H1,1/rO‑H2,1/rH1‑H2，所述两个氢氧键键长分别为rO‑H1、rO‑H2；并以此六个参数组成训练组的构型参数输入矩阵；S4：提取训练组能量数据作为输出能量矩阵，并与构型参数输入矩阵一一对应，即训练组的构型参数输入矩阵R和输出能量矩阵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；即测试组的构型参数输入矩阵R*和输出能量矩阵Ereal*分别为：S6：依据训练组构型参数，采用双神经层计算结构对水分子能量进行学习，经过双神经层计算得到水分子能量矩阵Ecalc：Ecalc＝[tf.nn.relu(R×Win+bin)]×Wout+bout；其中tf.nn.relu为线性整流函数，R为训练组的构型参数输入矩阵，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。