一种分子动力学模拟的智能化协同控制方法和系统

摘要: 本发明属于分子动力学模拟,具体涉及一种分子动力学模拟的智能化协同控制方法和系统。背景技术:1、分子动力学模拟是基于经典力学或量子力学原理,通过计算分子体系原子、...
一种分子动力学模拟的智能化协同控制方法和系统

本发明属于分子动力学模拟,具体涉及一种分子动力学模拟的智能化协同控制方法和系统。

背景技术:

1、分子动力学模拟是基于经典力学或量子力学原理,通过计算分子体系原子、分子运动轨迹,揭示微观结构与宏观性能之间构效关系的核心技术。其在新材料研发(如高储能密度电池电极材料、高强度复合材料)、创新药物设计(如靶点蛋白与小分子药物的结合模式分析)、催化剂性能优化(如多相催化反应的活性位点识别)等领域具有不可替代的作用。

2、随着科研需求的不断升级,分子动力学模拟朝着大规模、高精度、多体系方向发展,但传统模拟工作模式存在显著局限性,严重制约了科研效率的提升:

3、(1)传统手动工作流构建,效率低下:传统分子动力学模拟需研究人员手动完成多环节操作,包括模拟目标拆解、力场选择、软件选型(如 gromacs)、输入文件编写、跨软件接口适配脚本开发。不同软件的输入输出格式差异大,参数设置规则不统一,需专业人员花费大量时间完成工作流搭建。非领域专家难以掌握复杂的操作逻辑,存在较高的技术门槛。

4、(2)现有辅助工具功能单一,缺乏系统性整合:目前已存在部分分子模拟辅助工具,例如部分软件自带的参数优化插件、第三方开发的轨迹分析工具。但这些工具功能孤立,无法实现从任务输入到结果输出的全流程覆盖。同时,工具之间的数据格式不兼容,无法实现信息互通。

5、(3)参数选择盲目性强,模拟成功率低:分子动力学模拟的关键参数包括时间步长、模拟时长、温度控制方法、压力耦合方式、力场参数等。现有参数推荐方式多基于固定经验公式或文献报道案例,未考虑研究对象的特异性,导致大量重复实验,科研资源浪费严重。

6、为此,提出一种分子动力学模拟的智能化协同控制方法和系统。

技术实现思路

1、针对现有技术的不足,本发明的目的在于提供一种分子动力学模拟的智能化协同控制方法和系统,解决了现有技术中的问题。

2、本发明的目的可以通过以下技术方案实现:

3、一种分子动力学模拟的智能化协同控制方法,包括以下步骤:

4、接收分子模拟任务数据,调用预置的知识图谱提取所述分子模拟任务数据对应的实体及关联特征,将提取的特征输入至深度学习推理模型中,通过所述深度学习推理模型拆解所述分子模拟任务数据,生成执行逻辑链以及对应的目标软件组合;

5、提取所述分子模拟任务数据的结构特征,并将所述结构特征输入至强化学习模型中,输出初始参数组合,基于所述执行逻辑链和所述初始参数组合,调用计算资源协同运行所述目标软件组合,以生成运行状态数据及轨迹数据;

6、在所述目标软件组合的运行过程中,实时采集进程基础指标数据,并定期阶段性提取动力学指标数据及结果有效性指标数据,将采集与提取的指标数据分别与预设的三级监控阈值进行比对,所述三级监控阈值包括:计算资源阈值、动力学指标阈值以及结果有效性阈值;

7、当基于比对结果确定任一所述指标数据超出对应的所述三级监控阈值中的任一阈值时,将超限的指标数据作为状态反馈输入至所述强化学习模型,通过所述强化学习模型输出参数微调动作以更新当前进程的运行参数,或者基于超限的指标数据生成独立于所述强化学习模型的计算资源扩容指令,以闭环控制方式循环执行上述数据采集、比对与反馈,直至达到预设的模拟任务完成条件。

8、进一步地,生成对应的目标软件组合之后,还包括:

9、根据所述目标软件组合内各软件在所述执行逻辑链中的节点顺序,调取预设的标准化数据格式协议;

10、基于所述标准化数据格式协议,调用与所述目标软件组合对应的软件适配器,将所述分子模拟任务数据中的原子坐标数据和力场参数数据分别转换为对应的目标软件输入格式,并生成跨软件接口调用脚本。

11、进一步地,将所述结构特征输入至强化学习模型中之前,还包括利用历史模拟数据集对所述强化学习模型进行预训练的步骤,所述强化学习模型的网络控制逻辑如下:

12、将所述分子模拟任务数据的结构特征、模拟目标、当前运行的参数组合以及预置的历史模拟结果数据组合定义为状态空间;

13、将针对当前运行参数的调整方向与调整幅度设定为动作空间;

14、构建以量化的模拟成功率、结果精度以及计算资源消耗量为参量的奖励函数,利用所述奖励函数引导所述强化学习模型迭代寻优。

15、进一步地,将采集与提取的指标数据分别与预设的三级监控阈值进行比对的步骤,包括:

16、针对第一级监控维度,实时采集所调用的所述计算资源的cpu占用率、内存使用率以及磁盘读写速度数据,以与所述计算资源阈值进行比对;

17、针对第二级监控维度,提取当前生成的所述轨迹数据,计算系统能量波动均值以及原子均方根偏差数据,以与所述动力学指标阈值进行比对;

18、针对第三级监控维度,提取阶段性生成的动力学特征结果数据,计算所述动力学特征结果数据与预置参考实验数据之间的拟合偏差值,以与所述结果有效性阈值进行比对。

19、进一步地,当基于比对结果确定任一所述指标数据超出对应的所述三级监控阈值中的任一阈值时,执行如下反馈控制动作:

20、若第一级监控维度的指标数据超出所述计算资源阈值,向分布式计算平台发送针对当前进程节点的新增算力调度扩容指令;

21、若第二级监控维度的指标数据超出所述动力学指标阈值,触发所述强化学习模型输出所述参数微调动作,生成更新后的模拟控制参数,更新当前断点状态对应的所述模拟控制参数并恢复模拟。

22、进一步地,调用预置的知识图谱之前,还包括知识图谱的构建步骤:

23、建立涵盖研究对象本体、软件本体以及力场本体的本体数据字典;

24、利用自然语言处理算法从公开文献文本数据库以及历史工况文件中抽取实体词以及实体关联特征,对抽取的实体词执行消歧合并后,映射至所述本体数据字典中以生成所述预置的知识图谱。

25、进一步地,在达到预设的模拟任务完成条件之后,还包括:

26、提取本次执行对应的最终目标软件组合以及完成迭代的最终参数组合,添加分类标签后存入知识库中;

27、接收新的分子模拟任务数据,计算所述新的分子模拟任务数据与所述知识库中各历史数据的特征相似度;

28、若所述特征相似度大于预设匹配阈值,则将匹配度最高的历史数据所对应的最终目标软件组合及最终参数组合作为推荐参数集输出。

29、一种分子动力学模拟的智能化协同控制系统,执行上述的方法,包括:

30、任务拆解模块,用于接收分子模拟任务数据,调用预置的知识图谱提取所述分子模拟任务数据对应的实体及关联特征,将提取的特征输入至深度学习推理模型中,通过所述深度学习推理模型拆解所述分子模拟任务数据,生成执行逻辑链以及对应的目标软件组合;

31、参数初始化与执行模块,用于提取所述分子模拟任务数据的结构特征,并将所述结构特征输入至强化学习模型中,输出初始参数组合,基于所述执行逻辑链和所述初始参数组合,调用计算资源协同运行所述目标软件组合,以生成运行状态数据及轨迹数据;

32、多级监控模块,用于在所述目标软件组合的运行过程中,实时采集进程基础指标数据,并定期阶段性提取动力学指标数据及结果有效性指标数据,将上述采集与提取的指标数据分别与预设的三级监控阈值进行比对,所述三级监控阈值包括计算资源阈值、动力学指标阈值以及结果有效性阈值;

33、闭环干预模块,用于当基于比对结果确定任一所述指标数据超出对应的所述三级监控阈值中的任一阈值时,将超限的指标数据作为状态反馈输入至所述强化学习模型,通过所述强化学习模型输出参数微调动作以更新当前进程的运行参数,或者基于超限的指标数据生成独立于所述强化学习模型的计算资源扩容指令,以闭环控制方式循环执行上述数据采集、比对与反馈,直至达到预设的模拟任务完成条件。

34、一种计算机存储介质,存储有可读程序,当程序运行时,所述程序能够指示计算设备执行如上述的一种分子动力学模拟的智能化协同控制方法。

35、一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;

36、所述存储器用于存放至少一条可执行指令,所述可执行指令使所述处理器执行如上述的一种分子动力学模拟的智能化协同控制方法对应的操作。

37、本发明的有益效果:

38、1、本发明基于预置的知识图谱对分子模拟任务数据进行语义解析,并利用深度学习推理模型自动拆解任务以生成执行逻辑链;同时,本发明调取标准化数据格式协议与软件适配器,将原子坐标等数据自动转换为目标软件输入格式。从而免除了科研人员手动编写输入文件及跨软件接口转换脚本的繁琐工作,实现了多款异构模拟软件之间的数据流转与无缝协同,有效缩短了前期工作流搭建的时间周期。

39、2、本发明引入了强化学习闭环控制架构,系统将分子体系的结构特征、模拟目标等定义为状态空间,并在积分运行过程中,根据系统反馈的动力学指标动态输出参数微调动作(如时间步长的调整);该方案使系统能够结合不同研究对象的特异性在参数空间中进行动态寻优,减少了因初始参数设置不当导致的计算发散,显著降低了无效计算带来的资源浪费。

40、3、本发明在目标软件组合运行过程中,实时采集涵盖基础计算资源、动力学指标以及结果有效性的三级监控数据,并将其与预设阈值进行比对;当发现进程指标越界时,系统能够基于超限数据自动触发强化学习模型的参数微调指令或向分布式计算平台发送算力扩容指令;通过这种多维度的闭环反馈干预机制,系统能够及时挽救即将崩溃的模拟进程,避免了因局部能量剧烈波动或底层内存溢出导致的程序中断,保障了计算任务的连续性。

41、4、本发明的系统在模拟任务完成后,提取经过验证的最终目标软件组合以及完成迭代的参数组合并存入知识库中;当接收到新的分子模拟任务时,系统通过计算特征相似度,匹配并推荐最接近的历史方案。该方案打破了传统科研模式下的数据孤岛,使得后续针对相似分子体系的研究能够直接继承已有的高质量计算经验,从而缩短了新材料、新药物研发早期的理论计算与方案摸索周期。