[发明专利]一种团簇能量预测方法及系统

说明书

本公开提供了一种团簇能量预测方法，获取非金属团簇的所有原子坐标，将获取的原子坐标展开，对展开后的原子坐标数据进行预处理；根据预处理后的原子坐标数据和预设多层神经网络模型中，得到非金属团簇的能量预测结果；其中，预设多层神经网络模型中采用均方误差损失函数；获取金属团簇的所有原子坐标，将获取的原子坐标展开，对展开后的原子坐标数据进行预处理；根据预处理后的原子坐标数据和预设多项式回归预测模型中，得到金属团簇的能量预测结果；实现了当前不同结构团簇能量的更精准预测，通过原子坐标的横向展开，使其能够用于进行多项式回归和神经网络预测，进一步的提高了预测精度。

技术领域

本公开涉及团簇能量预测技术领域，特别涉及一种团簇能量预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

团簇科学研究的基本问题则是确定原子、分子如何演化成团簇，以及团簇的结构和性质如何随之变化。结构是决定团簇性能的关键因素，新颖独特的结构往往具有新奇的性质，因此对团簇能量和结构的预测已成为研究团簇的重要问题。

团簇可以分为金属团簇和非金属团簇，由于量子尺寸效应以及极高的表面-体积比，金属纳米团簇表现出与等离子体对应物根本不同的性质。在过去的几年里，科学家们做了大量的工作建立来一个稳定尺寸(或稳定化学计量)的原子级精确金属纳米团簇库，为基础研究和技术应用开辟了新的令人兴奋的机会。

发明人发现，金属纳米团簇因其良好的光学、催化、手性、磁性、电化学等性质而备受关注，但由于团簇的势能面过于复杂，有时还需要考虑相对论效应，所以搜索团簇的全局最优结构(即能量最低)尤为困难。其中，传统的理论计算方法需要数值迭代求解薛定谔方程，并且随原子数增加，高精度的理论计算时间呈现指数增长，非常耗时。

发明内容

为了解决现有技术的不足，本公开提供了一种团簇能量预测方法及系统，实现了当前不同结构团簇能量的更精准预测，通过原子坐标的展开，使其能够用于进行多项式回归和神经网络预测，进一步的提高了预测精度。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种团簇能量预测方法。

一种团簇能量预测方法，包括以下过程：

获取非金属团簇的所有原子坐标，将获取的原子坐标展开，对展开后的原子坐标数据进行预处理；

根据预处理后的原子坐标数据和预设多层神经网络模型中，得到非金属团簇的能量预测结果；

其中，预设多层神经网络模型中采用均方误差损失函数。

进一步的，获取金属团簇的所有原子坐标，将获取的原子坐标展开，对展开后的原子坐标数据进行预处理；

根据预处理后的原子坐标数据和预设多项式回归预测模型中，得到金属团簇的能量预测结果。

更进一步的，对展开后的原子坐标数据进行标准化处理：对方差进行归一化，使每个维度量纲等价，每个维度都服从均值为0，方差1的正态分布。

进一步的，将展开后的原子坐标进行归一化处理，得到预处理后的原子坐标数据。

进一步的，通过Adam优化器进行多层神经网络模型的优化。

进一步的，多层神经网络模型中采用Sigmoid激活函数。

进一步的，采用梯度下降法对多层神经网络模型的参数进行调整。

本公开第二方面提供了一种团簇能量预测系统。

一种团簇能量预测系统，包括：