利用基于原子轨道的特征确定分子性质的系统和方法技术方案

描述了用于根据基于原子轨道的特征来确定分子结构的系统和方法。基于原子轨道的特征可以与机器学习方法结合使用，以预测分子系统的准确性质，诸如量子力学能。诸如量子力学能。诸如量子力学能。

【技术实现步骤摘要】
【国外来华专利技术】利用基于原子轨道的特征确定分子性质的系统和方法


[0001]本专利技术大体上涉及基于分子系统性质设计和合成分子的系统和方法；并且更具体地，涉及利用基于原子轨道的特征和深度学习量子化学计算来确定合成化学品的性质的系统和方法。

技术介绍

[0002]分子模拟有助于包括固态材料、聚合物、精细化学品和药物的科学工业的发现努力。当前的方法采用基于物理学的方法，这些方法求解量子力学方程来描述原子和分子的行为。当前的方法虽然功能强大，但极具计算成本(消耗了世界超级计算资源的相当大一部分)和人力时间成本(必要的计算需要数月或更长的挂钟时间)。分子模拟的进展将扩大其在工业创新和开发过程中的应用。

技术实现思路

[0003]根据本专利技术的各种实施例的系统和方法使得能够基于分子系统性质来设计和/或合成分子。在许多实施例中，具有特定分子系统性质的分子可以被合成，以用于广泛的产品开发过程，诸如用于制药工业的药物发现，以及用于化学、石油、电池和电子工业的材料设计。根据本专利技术的各种实施例合成的材料的示例包括(但不限于)：催化剂、酶、药物、蛋白质和抗体、本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种合成分子的方法，包括：使用计算机系统获得分子系统的原子轨道集；使用所述计算机系统，基于所述分子系统的所述原子轨道集来生成基于原子轨道的特征集；使用在所述计算机系统上实施的基于原子轨道的机器学习OrbNet模型，基于所述特征集来确定至少一个分子系统性质；以及当所确定的至少一个分子系统性质满足所述计算机系统的至少一个标准时，合成所述分子系统。2.根据权利要求1所述的方法，其中，所述基于原子轨道的特征集包括基于原子轨道的特征的属性图表示。3.根据权利要求2所述的方法，其中，所述属性图表示的节点特征对应于对角线原子轨道块，并且所述属性图表示的边特征对应于非对角线原子轨道块。4.根据权利要求1所述的方法，其中，所述原子轨道集包括对称性适应原子轨道SAAO，并且所述基于原子轨道的特征集包括基于原子轨道的特征集、基于SAAO的特征集、基于原子轨道的特征集的导数或基于SAAO的特征集的导数。5.根据权利要求1所述的方法，其中：所述分子系统是多个候选分子系统中的一个；以及确定当所确定的至少一个分子系统性质满足至少一个标准时还包括：基于所述候选分子系统中的每个候选分子系统的原子轨道集来生成基于原子轨道的特征集；使用所述OrbNet模型，基于所述候选分子系统中的每个候选分子系统的所述基于原子轨道的特征集，来确定所述候选分子系统中的每个候选分子系统的至少一个分子系统性质；基于为所述候选分子系统中的每个候选分子系统确定的至少一个分子系统性质来筛选所述候选分子系统；以及基于所述筛选标识所述分子系统。6.根据权利要求1所述的方法，还包括使用描述多个分子系统及其分子系统性质的训练数据集来训练所述OrbNet模型，以学习基于原子轨道的特征集与分子系统性质集之间的关系。7.根据权利要求6所述的方法，其中，训练所述OrbNet模型以学习基于原子轨道的特征集与分子系统性质集之间的关系还包括：获得分子系统的所述训练数据集中的每个分子系统的原子轨道集；以及基于所述原子轨道集获得基于原子轨道的特征集。8.根据权利要求7所述的方法，还包括：通过构建旋转不变的对称性适应原子轨道基集，获得分子系统的所述训练数据集中的每个分子系统的对称性适应原子轨道集；以及至少基于对称性适应原子轨道来获得基于对称性适应原子轨道的特征集。9.根据权利要求7所述的方法，其中，获得所述原子轨道集包括计算从由Hartree
‑
Fock理论、密度泛函理论和半经验方法组成的组选择的一种平均场电子结构，并且获得所述基
于原子轨道的特征集包括计算从由Hartree
‑
Fock理论、密度泛函理论和半经验方法组成的组选择的一种平均场电子结构。10.根据权利要求7所述的方法，其中，获得所述原子轨道集包括通过神经网络对出现在从由Hartree
‑
Fock理论、密度泛函理论和半经验方法组成的组选择的电子结构方法的公式中的至少一个量子力学算符进行参数化，并且获得所述基于原子轨道的特征集包括通过神经网络对出现在从由Hartree
‑
Fock理论、密度泛函理论和半经验方法组成的组选择的电子结构方法的公式中的至少一个量子力学算符进行参数化。11.根据权利要求10所述的方法，其中，所述神经网络包括图形神经网络，其中，所述图形神经网络的至少一个节点对应于至少一个原子，并且所述图形神经网络的至少一条边对应于至少一个原子间相互作用。12.根据权利要求10所述的方法，其中，训练所述OrbNet模型和神经网络同时发生。13.根据权利要求8所述的方法，其中，确定所述对称性适应原子轨道包括对角化至少一个对角密度矩阵块。14.根据权利要求6所述的方法，其中，训练所述OrbNet模型包括图形神经网络。15.根据权利要求14所述的方法，其中，所述图形神经网络包括至少一个消息传递层和至少一个解码层。16.根据权利要求1所述的方法，其中，所述分子系统包括原子、分子键以及由原子和分子键形成的分子中的至少一个。17.根据权利要求1所述的方法，其中，所述特征集包括基于原子轨道的特征，所述基于原子轨道的特征包括物理算符。18.根据权利要求17所述的方法，其中，所述基于原子轨道的特征还包括选自由以下各项组成的组的至少一个特征：Fock矩阵中的元素，Coulomb矩阵中的元素，Hartree
‑
Fock矩阵中的元素，密度矩...

【专利技术属性】
技术研发人员：乔卓然，A阿南德库马尔，TF米勒，MG韦尔伯恩，FR曼比，丁飞之，DG史密斯，PJ拜格雷夫，SK西鲁马拉，AS克里斯坦森，
申请(专利权)人：安托思公司，
类型：发明
国别省市：