[发明专利]一种通过深度学习计算乙烷分子能量的方法

说明书

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。

技术领域

本发明涉及分子能量计算技术领域，具体涉及一种通过深度学习计算乙烷分子能量的方法。

背景技术

当代人工智能的机器学习，在分子结构优化、最低能量计算领域中，显著特点是随着初始矩阵自由度的增大，即分子结构越复杂自由度越大，必须增大训练组与测试组的比值，才能得到准确的结果。受这一特点的制约，该方法在复杂分子体系或多分子体系应用中，很难得到满意结果。

发明内容

为解决现有技术中存在的缺陷，本发明提供一种通过深度学习计算乙烷分子能量的方法，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。

本发明为解决其技术问题所采用的技术方案是：一种通过深度学习计算乙烷分子能量的方法，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；