一种推拉型有机分子的双光子吸收截面预测方法与系统技术方案

本发明专利技术提出了一种推拉型有机分子的双光子吸收截面预测方法与系统，涉及光学检测技术领域,该方法包括：构建具有电子给体

【技术实现步骤摘要】
一种推拉型有机分子的双光子吸收截面预测方法与系统


[0001]本专利技术属于光学检测
，尤其涉及一种推拉型有机分子的双光子吸收截面预测方法与系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]双光子吸收由于具有长波吸收、短波发射以及吸收强度与入射光强的平方成正比的特点，在双光子荧光显微技术、双光子上转换激射、三维高密度信息存储、光动力学治癌等方面展现出诱人的应用前景，目前成为材料工程、化学合成、生命科学等领域的关注热点；近年来，随着实验技术的日益发展，已经合成了大量双光子吸收有机功能材料；其中，由电子给体基团和电子受体基团通过π中心共轭基团连接而成的有机分子，具有结构简单、灵活可调、易剪裁和修饰等优势，受到了人们的极大关注。
[0004]衡量双光子吸收能力的一个重要指标是双光子吸收截面；目前，有机分子的双光子吸收截面可以通过实验方法包括非线性透过率法、Z
‑
扫描技术、双光子瞬态吸收光谱法以及基于第一性原理计算的理论方法得到；然而，实验测量和理论计算耗时长、复杂度高、对仪器和技术人员要求严格；另外，分子的双光子吸收截面都是在溶剂中进行测量的，分子构型受到溶剂分子的相互作用的影响，也会随着时间不停地演化，这使推拉型有机分子双光子吸收截面的有效表征受到限制；如果能利用通用的神经网络来预测推拉型有机分子的双光子吸收截面，不仅可以大幅节约实验成本、人力成本和时间成本，还能够帮助人们洞悉结构与性质关系的内在本质，研究其变化的动力学过程，为实际应用提供有效的分子设计依据，从而指导并加速实验工作者发现合适的材料；因此，亟待开发一种基于神经网络预测推拉型有机分子双光子吸收截面的方法。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供了一种推拉型有机分子的双光子吸收截面预测方法与系统，基于神经网络和量子化学计算，预测推拉型有机分子的光吸收性质参数，根据参数计算双光子吸收截面，大大提高了推拉型有机分子双光子吸收截面的计算速度，实现了快速有效预测推拉型有机分子的动态双光子吸收截面。
[0006]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0007]本专利技术第一方面提供了一种推拉型有机分子的双光子吸收截面预测方法；
[0008]一种推拉型有机分子的双光子吸收截面预测方法，包括：
[0009]构建具有电子给体
‑
π中心
‑
电子受体的推拉型有机分子模型，并对模型进行优化；
[0010]对分子在溶液中的动力学进行模拟，基于模拟结果，取样分子构型；
[0011]根据取样得到的分子构型，构建数据集，对神经网络模型进行训练；
[0012]通过训练好的神经网络模型，预测光吸收性质参数，计算推拉型分子的双光子吸
收截面。
[0013]进一步的，采用“给体
‑
π中心
‑
受体”的推拉型分子骨架，借助分子建模软件GaussView 6构建推拉型有机分子模型，并利用Gaussian 16软件包对构建的分子体系进行构型优化。
[0014]进一步的，基于GROMACS软件包对推拉型分子在溶液中的动力学演化过程进行模拟仿真，基于模拟结果对分子构型进行等时间间隔的取样。
[0015]进一步的，所述的数据集，包括输入参数和输出参数；
[0016]所述输入参数，包括分子的键长、键角、二面角和库伦矩阵；
[0017]所述输出参数为光吸收性质参数，包括分子的激发能、跃迁偶极矩和固有偶极矩。
[0018]进一步的，基于取样得到的推拉型有机分子的结构，统计去除氢原子后分子的键长、键角、二面角，并根据以下公式计算分子的库伦矩阵：
[0019][0020]其中i、j表示原子标号，Z
i
和R
i
分别表示第i个原子的核电荷数和坐标。
[0021]进一步的，基于取样得到的推拉型有机分子的结构，利用密度泛函方法，计算推拉型有机分子的激发能E、跃迁偶极矩μ
0n
、固有偶极矩μ
00
和μ
nn
。
[0022]进一步的，计算推拉型分子的双光子吸收截面的方法为：
[0023][0024]其中，E、μ
0n
、μ
00
和μ
nn
分别是推拉型有机分子的激发能、跃迁偶极矩、基态和激发态的固有偶极矩。
[0025]本专利技术第二方面提供了一种推拉型有机分子的双光子吸收截面预测系统。
[0026]一种推拉型有机分子的双光子吸收截面预测系统，包括模型构建模块、分子模拟模块、模型训练模块和预测计算模块：
[0027]模型构建模块，被配置为：构建具有电子给体
‑
π中心
‑
电子受体的推拉型有机分子模型，并对模型进行优化；
[0028]分子模拟模块，被配置为：对分子在溶液中的动力学进行模拟，基于模拟结果，取样分子构型；
[0029]模型训练模块，被配置为：根据取样得到的分子构型，构建数据集，对神经网络模型进行训练；
[0030]预测计算模块，被配置为：通过训练好的神经网络模型，预测光吸收性质参数，计算推拉型分子的双光子吸收截面。
[0031]本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的一种推拉型有机分子的双光子吸收截面预测方法中的步骤。
[0032]本专利技术第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的一种推拉
型有机分子的双光子吸收截面预测方法中的步骤。
[0033]以上一个或多个技术方案存在以下有益效果：
[0034]本专利技术基于神经网络和量子化学计算，预测推拉型有机分子双光子吸收截面的方法，大大提高了推拉型有机分子双光子吸收截面的计算速度，实现了快速有效预测推拉型有机分子的动态双光子吸收截面。
[0035]在节省时间成本、人力成本的基础上，准确得到推拉型有机分子双光子吸收截面的实时动态结果，为实验设计合成具有强双光子吸收能力的材料提供一定的理论参考。
[0036]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0037]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0038]图1为第一个实施例的方法流程图。
[0039]图2为第一个实施例中DNAS分子模型示意图。
[0040]图3为第一个实施例中构建的神经网络结构图。
[0041]图4为第一个实施例中计算得到的DANS分子的激发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推拉型有机分子的双光子吸收截面预测方法，其特征在于，包括：构建具有电子给体
‑
π中心
‑
电子受体的推拉型有机分子模型，并对模型进行优化；对分子在溶液中的动力学进行模拟，基于模拟结果，取样分子构型；根据取样得到的分子构型，构建数据集，对神经网络模型进行训练；通过训练好的神经网络模型，预测光吸收性质参数，计算推拉型分子的双光子吸收截面。2.如权利要求1所述的一种推拉型有机分子的双光子吸收截面预测方法，其特征在于，采用“给体
‑
π中心
‑
受体”的推拉型分子骨架，借助分子建模软件GaussView 6构建推拉型有机分子模型，并利用Gaussian 16软件包对构建的分子体系进行构型优化。3.如权利要求1所述的一种推拉型有机分子的双光子吸收截面预测方法，其特征在于，基于GROMACS软件包对推拉型分子在溶液中的动力学演化过程进行模拟仿真，基于模拟结果对分子构型进行等时间间隔的取样。4.如权利要求1所述的一种推拉型有机分子的双光子吸收截面预测方法，其特征在于，所述的数据集，包括输入参数和输出参数；所述输入参数，包括分子的键长、键角、二面角和库伦矩阵；所述输出参数为光吸收性质参数，包括分子的激发能、跃迁偶极矩和固有偶极矩。5.如权利要求4所述的一种推拉型有机分子的双光子吸收截面预测方法，其特征在于，基于取样得到的推拉型有机分子的结构，统计去除氢原子后分子的键长、键角、二面角，并根据以下公式计算分子的库伦矩阵：其中i、j表示原子标号，Z
i
和R
i
分别表示第i个原子的核电荷数和坐标。6.如权利要求1所述的一种推拉型有机分子的双光子吸收...

【专利技术属性】
技术研发人员：张玉瑾，胡伟，冷建材，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：