分子结构多体效应描述符的参数分块自动化迭代优化方法与流程
本发明属于化学信息学计算,涉及分子性质预测,具体涉及一种分子结构多体效应描述符的参数分块自动化迭代优化方法。
背景技术:
1、分子性质预测是含能材料、有机小分子、功能分子及绝缘气体等体系设计筛选中的重要环节。分子的沸点、晶体密度、生成焓、爆速、热分解温度等性质与分子组成、空间构型及原子间相互作用密切相关。因此,利用机器学习方法预测分子性质时,需要先将分子结构转化为可被模型识别的数值化特征,即分子描述符。
2、目前常用的分子描述符包括二维分子指纹、拓扑描述符、量子化学描述符、三维结构描述符和图神经网络表示等。二维分子指纹和拓扑描述符计算简便,但难以充分表达分子三维空间信息;量子化学描述符信息丰富,但计算成本较高;图神经网络等深度学习方法拟合能力较强,但通常依赖较大规模样本,且解释性较弱。在小样本或特定分子体系条件下,现有方法仍可能存在预测精度不足、可解释性有限和跨体系适用性不强等问题。
3、多体效应描述符可依据分子三维坐标,将单原子贡献、原子对作用和三原子组合作用分别转化为一阶、二阶和三阶结构特征,能够反映原子本征贡献、原子间距离衰减、空间截断效应及多原子协同作用,并具有旋转和平移不变性。然而,现有多体效应描述符中的一阶原子贡献参数、原子对截断半径、二阶作用参数和三阶作用参数通常采用经验值或人工设定值,难以保证其对不同目标性质和不同分子体系均具有最优表达能力。
4、现有机器学习优化方法多集中于模型层面的超参数调节,例如核函数、正则化系数、树模型深度等;即使采用贝叶斯优化,也通常用于模型超参数、候选材料结构或实验条件的寻优,较少针对描述符生成函数内部参数进行系统优化。对于包含多类物理参数的多体效应描述符,若直接联合优化全部参数,容易导致搜索空间过大、优化不稳定和参数解释性降低;若仅优化单一参数,又难以体现不同参数之间的耦合关系。因此,亟需一种能够在保持描述符可解释性的基础上,对多体效应描述符函数参数进行分块、迭代和协同优化的方法。
技术实现思路
1、针对现有技术存在的不足,本发明的目的在于,提供一种分子结构多体效应描述符的参数分块自动化迭代优化方法,解决现有技术中的方法在保持描述符可解释性的基础上,优化的稳定性有待进一步提升的技术问题。
2、为了解决上述技术问题,本发明采用如下技术方案予以实现。
3、一种分子结构多体效应描述符参数的分块迭代优化方法,该方法包括以下步骤。
4、步骤1,构建数据集。
5、所述的数据集包含若干个有机化合物的分子结构及各原子的三维笛卡尔坐标。
6、步骤2,确定多体效应描述符生成函数。
7、在步骤1构建的数据集中,所述的多体效应描述符是根据分子结构计算获得的数学向量,该数学向量由n个一阶特征值、m个二阶特征值和l个三阶特征值构成;分别确定一阶特征值的生成函数、二阶特征值对应的二阶特征单元项的生成函数以及三阶特征值对应的三阶特征单元项的生成函数。
8、步骤3,划分参数块。
9、将步骤2得到的多体效应描述符生成函数中的参数划分为多个参数块,所述的参数块至少包括一阶原子贡献参数块和原子截断半径参数块。
10、一阶原子贡献参数块用于确定一阶特征值对应的第个原子在多体效应描述方法下的一阶特征单元项。
11、原子截断半径参数块用于确定式二阶特征值对应的第个原子的双原子组合截断半径和第个原子的双原子组合截断半径。
12、步骤4,设置贝叶斯优化变量。
13、选择步骤3中划分的参数块中的一个参数块作为当前待优化参数块,将当前待优化参数块中的参数设为贝叶斯优化变量,将步骤3中划分的参数块中的其他参数块设为固定参数或上一轮优化得到的参数。
14、步骤5,当前参数块的贝叶斯优化。
15、对于贝叶斯优化器给出的每一组候选参数,将该组候选参数代入步骤2得到的多体效应描述符生成函数,重新生成各分子的多体效应描述符,并将重新生成的多体效应描述符作为贝叶斯优化器的输入,以目标性质预测误差作为候选参数评价指标,对当前参数块进行贝叶斯优化。
16、步骤6,自动化分块迭代优化。
17、经过步骤5的贝叶斯优化获得当前参数块的最优参数后,将该最优参数作为后续参数块优化时的固定输入参数,并继续选择下一参数块进行优化;重复步骤4至步骤5,直至自动化迭代优化结束。
18、步骤7,获得优化后的多体效应描述符。
19、将各参数块的最终最优参数写入多体效应描述符生成函数,获得优化后的多体效应描述符。
20、步骤7优化后的多体效应描述符,能够用于构建目标性质预测模型,通过目标性质预测模型能够获得目标性质预测值,实现分子性质的预测;所述的目标性质包括沸点、晶体密度、生成焓、爆速、爆压和热分解温度。
21、本发明与现有技术相比,具有如下技术效果。
22、(ⅰ)本发明直接优化描述符生成函数本身,具有便捷、高效、精准度高的特点,不受限于有机化合物分子结构和组成元素,普适性较高。
23、(ⅱ)本发明通过参数块拆分,降低了单次贝叶斯优化的搜索维度,提高了优化稳定性。
24、(ⅲ)本发明通过参数块间的迭代传递,保留了不同物理参数之间的耦合关系。
25、(ⅳ)本发明通过优化后的描述符进行建模,有助于提高描述符与目标性质之间的相关性,从而提升模型训练精度和预测能力。
26、(ⅴ)本发明的方法适用于已报道或新合成的单分子型含能化合物,并可拓展至普通有机小分子、含氟/含硫/含氯分子、绝缘气体分子以及其他具有明确三维结构坐标的分子体系。
27、(ⅵ)本方法对含能分子描述符的设计构建研究有着重要意义,可指导设计合成更多高能量密度、高爆轰性能的含能化合物。
1.一种分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤2中,所述的一阶特征值的生成函数为:;;
3.如权利要求2所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤2中,所述的一阶原子贡献参数包括h、c、n、o、f以及s元素对应的原子贡献参数。
4.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤2中,所述的二阶特征值对应的二阶特征单元项的生成函数为:
5.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤2中,所述的三阶特征值对应的三阶特征单元项的生成函数为:
6.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤2中,n为相应化合物中原子种类数;m为n种原子中不同原子间双原子组合的种类数及各种原子自身组成的双原子种类数之和,;l为n种原子中不同原子间三原子组合的种类数及各种原子自身组成的三原子种类数之和,;其中,表示从种原子中任取种不同原子所形成的组合数。
7.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤5中,所述的贝叶斯优化的目标函数为:;
8.如权利要求1所述的分子结构多体效应描述符参数的分块迭代优化方法,其特征在于,步骤7优化后的多体效应描述符,能够用于构建目标性质预测模型,通过目标性质预测模型能够获得目标性质预测值,实现分子性质的预测;所述的目标性质包括沸点、晶体密度、生成焓、爆速、爆压和热分解温度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com