[发明专利]一种通过深度学习计算乙烷分子能量的方法

权利要求书

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r_C1-H1，r_C1-H2，r_C1-H3，r_C2-H4，r_C2-H5，r_C2-H6以及C-C键键长r_C1-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θ_C2-C1-H1，θ_C2-C1-H2，θ_C2-C1-H3，θ_C1-C2-H4，θ_C1-C2-H5，θ_C1-C2-H6，以及H-C-H所形成的键角θ_H1-C1-H2，θ_H1-C1-H3，θ_H2-C1-H3，θ_H4-C1-H5，θ_H4-C1-H6，θ_H5-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：φ_H1-C1-C2-H4，φ_H1-C1-C2-H5，φ_H1-C1-C2-H6，φ_H2-C1-C2-H4，φ_H2-C1-C2-H5，φ_H2-C1-C2-H6，φ_H3-C1-C2-H4，φ_H3-C1-C2-H5，φ_H3-C1-C2-H6；非键原子间的距离，包括：r_H1-H4，r_H1-H5，r_H1-H6，r_H2-H4，r_H2-H5，r_H2-H6，r_H3-H4，r_H3-H5，r_H3-H6；

令：

∑r_C-H＝r_C1-H1+r_C1-H2+r_C1-H3+r_C2-H4+r_C2-H5+r_C2-H6；

∑θ_C-C-H＝θ_C2-C1-H1+θ_C2-C1-H2+θ_C2-C1-H3+θ_C1-C2-H4+θ_C1-C2-H5+θ_C1-C2-H6；

∑θ_H-C-H＝θ_H1-C1-H2+θ_H1-C1-H3+θ_H2-C1-H3+θ_H4-C2-H5+θ_H4-C2-H6+θ_H5-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E^real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E^calc：

E^calc＝[tf.nn.relu(R×W_in+b_in)]×W_out+b_out；

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，W_in为第一神经层权重矩阵，b_in为第一神经层偏置矩阵，W_out为第二神经层权重矩阵，b_out为第二神经层偏置矩阵。