【技术实现步骤摘要】
一种基于机器学习势能加速酸度常数和氧化还原电位的方法
[0001]本公开涉及计算化学和物理
,具体涉及一种基于机器学习势能加速全原子分子动力学计算酸度常数和氧化还原电位计算方法、装置电子设备及可读存储介质。
技术介绍
[0002]酸度常数和氧化还原电位是相关化学物质的基本物化性质,对于理解和预测分子和材料的化学性能有着不可替代的作用。例如,酸度常数和氧化还原电位对质子电子转移的描述为其反应机理研究提供了思路。通过计算这些性质有助于更好的理解反应的机理,甚至指导设计新型材料。Jun Cheng和Michiel Sprik等通过自由能微扰(free energy perturbation)和热力学积分(thermodynamic integration)的方法,使用全原子第一性原理分子动力学模拟,可以准确的计算出水溶液中多种分子/离子的酸度常数和氧化还原电位。然而由于这种方法基于第一性原理的计算方法,计算较为昂贵,目前大规模的应用仍受到限制。
[0003]对于加速第一性原理分子动力学计算,目前常用的方法是使用机器学 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习势能加速酸度常数和氧化还原电位计算方法,其特征在于,包括:通过分子动力学模拟或蒙特卡洛模拟得到预平衡的轨迹;在所述预平衡的轨迹中抽取部分结构,分别对反应物势能面和产物势能面进行第一性原理计算,得到所述部分结构对应的势能和原子力,将所述势能和原子力作为初始的训练数据集,用于机器学习势能函数的训练;通过所述初始的训练数据集,通过机器学习势能函数训练后,获得反应物机器学习势能面和产物机器学习势能面,通过自由能微扰的方法耦合所述反应物机器学习势能面和产物机器学习势能面,经耦合后得到采样势能面;基于所述采样势能面,更新所述训练数据集和所述机器学习势能面,获得更新的训练数据集和更新的机器学习势能面;基于所述更新的数据集和所述更新的机器学习势能面,通过自由能微扰的计算方法耦合所述反应物机器学习势能面和产物机器学习势能面,计算不同耦合参数对应的累积平均垂直能量差,并通过热力学积分的方法计算对应的反应自由能;以及将所述反应自由能转化为酸度常数和氧化还原电位。2.根据权利要求1所述的基于机器学习势能加速酸度常数和氧化还原电位计算方法,其特征在于,基于所述采样势能面,更新所述训练数据集和所述机器学习势能面,获得更新的训练数据集和更新的机器学习势能面,包括:在所述采样势能面上采样,获得采样数据;基于所述采样数据进行分子动力学模拟,获得模拟轨迹;在所述模拟轨迹上选取部分结构,分别对反应物势能面和产物势能面进行第一性原理计算,得到所述部分结构对应的势能和原子力,将所述势能和原子力作为训练数据集,以作为更新的训练数据集;以及通过所述更新的训练数据集,通过机器学习势能函数训练后,获得更新的反应物机器学习势能面和更新的产物机器学习势能面,利用自由能微扰的方法耦合所述反应物势能面和产物势能面,经耦合后得到采样势能面;其中,所述更新的机器学习势能面包括所述更新的反应物机器学习势能面和更新的产物机器学习势能面。3.根据权利要求2所述的基于机器学习势能加速酸度常数和氧化还原电位计算方法,其特征在于,基于所述采样数据进行分子动力学模拟,获得模拟轨迹,包括:沿着耦合参数从小到大的方向外推当前的采样势能面,进行分子动力学模拟。4.根据权利要求1所述的基于机器学习势能加速酸度常数和氧化还原电位计算方法,其特征在于,基于所述采样势能面,更新所述训练数据集和所述机器学习势能面,获得更新的训练数据集和更新的机器学习势能面,重复多次进行。5.根据权利要求1所述的基于机器学习势能加速酸度常数和氧化还原电位计算方法,其特征在于,所述自由能微扰耦合计算方法,包括所述自由能微扰和热力学积分,计算公式如下:E
η
=(1
‑
η)E
ini
+ηE
fin
,η∈[0,1],
其中,E
η
表示自由能微扰构造出的采样势能面,E
ini<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。