一种基于图神经网络的化学反应网络预测方法及预测系统技术方案

本发明专利技术公开了一种基于图神经网络的化学反应网络预测方法及预测系统，属于化学反映网络技术领域。该方法包括：S100：获取化学反应网络图像；S200：在化学反应网络图像中选取节点特征以及边特征；S300：将节点特征以及边特征生成特征数据集；S400：构建神经网络模型，并根据特征数据集对神经网络模型进行训练，得到训练好的神经网络模型；S500：根据训练好的神经网络模型对节点及化学反应网络图像整体进行预测，输出预测结果。本发明专利技术能够更加准确高效地给出安全性及环保性预测结果。地给出安全性及环保性预测结果。地给出安全性及环保性预测结果。

【技术实现步骤摘要】
一种基于图神经网络的化学反应网络预测方法及预测系统


[0001]本专利技术涉及化学反映网络
，更具体的说是涉及一种基于图神经网络的化学反应网络预测方法及预测系统。

技术介绍

[0002]化学反应网络一般指包含三种及以上化学物质之间反应关系的图形表示方式。在化学反应网络中，不仅包含了各种物质之间的生产关联性，还会包含用量、可选反应路径、反应条件等定量数据。
[0003]对一个反应网络进行经济预测是化工领域一个长久以来被人们关注的课题，典型的例子是对合成气(syngas)下游产品反应网络的研究及预测。合成气是一氧化碳和氢气的混合气体，大量的化学品可以通过它们产生，故综合考虑理论可行性及经济性等因素，合理地选择反应路线一直是研究重点。除了合成气，若把反应中心聚焦于甲醇，也会对应一套甲醇的反应网络可以类比。
[0004]在传统化工领域，决策往往依赖于专家的主观感受，很难综合考虑各种原料及产品产量历史因素、储存及运输过程的安全环保要求，及是否有更优的反应路径。
[0005]而图卷积神经网络是一种能够根据数据之间的相互关系进行自动学习、自适应地改变参数以达到特定目标的神经网络。它是在深度学习的基础上发展起来，并在多个领域有着广泛的应用。对图中节点和边定义不同特征，图神经网络可以被应用在诸如社交网络等多种领域。
[0006]因此，如何提供一种基于图神经网络的化学反应网络预测方法及预测系统是本领域技术人员亟需解决的问题。

技术实现思路

[0007]有鉴于此，本专利技术提供了一种基于图神经网络的化学反应网络预测方法及预测系统
[0008]为了实现上述目的，本专利技术提供如下技术方案：
[0009]一方面，本专利技术提供了一种基于图神经网络的化学反应网络预测方法，包括以下步骤：
[0010]S100：获取化学反应网络图像；
[0011]S200：在所述化学反应网络图像中选取节点特征以及边特征；
[0012]S300：将节点特征以及边特征生成特征数据集；
[0013]S400：构建神经网络模型，并根据所述特征数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；
[0014]S500：根据所述训练好的神经网络模型对节点及化学反应网络图像整体进行预测，输出预测结果。
[0015]优选的，所述化学反应网络图像为通过热力学数据或动力学数据手动构建的三种
或三种以上化学物质之间反应关系的图形图像。
[0016]优选的，所述化学反应网络图像为通过RMG工具包自动构建的三种或三种以上化学物质之间反应关系的图形图像。
[0017]优选的，在所述S100之后，还包括：确定化学反应网络图像的中心化合物，并将中心化合物作为目标化合物。
[0018]优选的，所述S200在所述化学反应网络图像中选取节点特征，包括：
[0019]S210：获取目标化合物的物理属性数据以及对应的产量时序数据；
[0020]S211：将物理属性数据以及产量时序数据编码为节点特征，得到数据集中节点特征的部分。
[0021]优选的，所述S200在所述化学反应网络图像中选取边特征，包括：
[0022]S220：根据Gibbs自由能判据描述反应进行的热力学可能的概率；
[0023]S221：确定目标化合物的化学反应网络图像中反应路径所对应的化学反应Gibbs自由能变化数值；
[0024]S222：依据变化数值得到数据集中边特征的部分。
[0025]优选的，所述预测结果为目标化合物原料储存及运输过程是否符合安全环保要求，以及是否有更优的反应路径。
[0026]另一方面，本专利技术提供了一种基于图神经网络的化学反应网络预测系统，包括：
[0027]获取模块：获取化学反应网络图像；
[0028]处理模块，与所述获取模块连接，在所述化学反应网络图像中选取节点特征以及边特征；
[0029]生成模块，与所述处理模块连接，将节点特征以及边特征生成特征数据集；
[0030]构建模块，与所述生成模块连接，构建神经网络模型，并根据特征数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；
[0031]预测模块，与所述构建模块连接，根据所述训练好的神经网络模型对节点及化学反应网络图像整体进行预测，输出预测结果。
[0032]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于图神经网络的化学反应网络预测方法及预测系统，以图神经网络完成上述任务，将各种使用特征工程技术因素编码为反应网络中节点与边的特征。综合使用神经网络及化学知识，辅助相关工作人员完成决策工作。本专利技术与现有技术中应用神经网络的应用场景不同，本方法可利用训练后的神经网络模型，快速对反应网络某一路线或整体安全性、环保性给出结论，为相关决策人员提供参考。相比传统单调线性的分析结果，本方法综合考虑各反应物及产物的历史数据，用量占比，反应条件，等诸多因素，可以更准确高效地给出结果，相比依赖于专家的主观预测，本专利技术的结果更加客观准确。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0034]图1为本专利技术的方法流程示意图；
[0035]图2为甲烷为中心的化学反应网络图；
[0036]图3位本专利技术的系统结构示意图。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]参见附图1所示，本专利技术实施例公开了一种基于图神经网络的化学反应网络预测方法，包括以下步骤：
[0039]S100：获取化学反应网络图像；
[0040]S200：在化学反应网络图像中选取节点特征以及边特征；
[0041]S300：将节点特征以及边特征生成特征数据集；
[0042]S400：构建神经网络模型，并根据特征数据集对神经网络模型进行训练，得到训练好的神经网络模型；
[0043]S500：根据训练好的神经网络模型对节点及化学反应网络图像整体进行预测，输出预测结果。
[0044]在一个具体实施例中，化学反应网络图像为通过热力学数据或动力学数据手动构建的三种或三种以上化学物质之间反应关系的图形图像。
[0045]在一个具体实施例中，化学反应网络图像为通过RMG工具包自动构建的三种或三种以上化学物质之间反应关系的图形图像。
[0046]具体的，RMG
‑
Rea本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的化学反应网络预测方法，其特征在于，包括以下步骤：S100：获取化学反应网络图像；S200：在所述化学反应网络图像中选取节点特征以及边特征；S300：将节点特征以及边特征生成特征数据集；S400：构建神经网络模型，并根据所述特征数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；S500：根据所述训练好的神经网络模型对节点及化学反应网络图像整体进行预测，输出预测结果。2.根据权利要求1所述的一种基于图神经网络的化学反应网络预测方法，其特征在于，所述化学反应网络图像为通过热力学数据或动力学数据手动构建的三种或三种以上化学物质之间反应关系的图形图像。3.根据权利要求1所述的一种基于图神经网络的化学反应网络预测方法，其特征在于，所述化学反应网络图像为通过RMG工具包自动构建的三种或三种以上化学物质之间反应关系的图形图像。4.根据权利要求1所述的一种基于图神经网络的化学反应网络预测方法，其特征在于，在所述S100之后，还包括：确定化学反应网络图像的中心化合物，并将中心化合物作为目标化合物。5.根据权利要求1所述的一种基于图神经网络的化学反应网络预测方法，其特征在于，所述S200在所述化学反应网络图像中选取节点特征，包括：S210：获取目标化合物的物理属性数据以及对应的产量时序数据；S211：将物理属性数据以及产量...

【专利技术属性】
技术研发人员：温晓东，刘晓彤，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：