【技术实现步骤摘要】
一种基于图表示的金属有机框架的逆向设计方法
[0001]本专利技术涉及金属有机框架材料合成
,具体的说,是一种基于图表示的金属有机框架的逆向设计方法。
技术介绍
[0002]金属有机框架(MOFs)是一种晶体多孔材料,它们是通过在不同的拓扑结构中的分子构建块(即节点和连接器)的自组装而形成的。多样的构建块和不同组装方式赋予了MOFs特殊的几何和化学可调性。大量的MOFs已经应用于气体储存、分离、催化、电化学储能和药物传递等领域。由于构建块中的连接器具有庞大的化学空间,我们可以构建无限数量的MOF。在实验环境下,针对特定应用开发一种MOF需要大量的实验和测试,由于可能存在的MOF数量庞大,通过实验进行寻找合适的MOF需要耗费大量的人力物力和时间。随着计算机技术的发展,使用计算方法来替代人工寻找合适的MOF变得越来越流行。有一种计算方法是对MOF数据库进行高通量筛选,在筛选过程中使用分子模拟来预测MOF在给定应用条件下的性能。由于分子模拟计算的复杂性,这种方法只能在几万个MOF中进行筛选。为了加快高通量筛选,人们采用了启发 ...
【技术保护点】
【技术特征摘要】
1.一种基于图表示的金属有机框架的逆向设计方法,其特征在于,包括:步骤S100、对金属有机框架MOF进行图表征:从数据集中获取MOF数据,包括MOF的连接器、节点、拓扑和MOF的性质,对MOF数据进行预处理,采用分子图的形式表示MOF的边,采用one
‑
hot编码进行分类表示MOF的节点和拓扑,形成MOF的表征形式边图|节点|拓扑;步骤S200、搭建生成模型,生成模型包括变分自编码模型VAE、预测器和分子群优化器,对VAE和预测器进行联合训练;步骤S300、VAE采用三组不同的编码解码器处理MOF的边图|节点|拓扑,将边图|节点|拓扑编码到隐空间z中,预测器采用三层的感知机网络,将隐空间z中的向量作为输入并预测MOF的性质,预测器的输出作为分子群优化器的目标函数值,分子群优化器在隐空间z中进行探索,根据目标函数值输出想要的MOF。2.根据权利要求1所述的一种基于图表示的金属有机框架的逆向设计方法,其特征在于,所述变分自编码模型VAE由三组编码器和解码器组成,其中,处理顶点和拓扑的编码器均采用三层感知机网络,处理顶点和拓扑的解码器均采用二层感知机网络;处理边图的编码器和解码器采用分层图编解码器。3.根据权利要求2所述的一种基于图表示的金属有机框架的逆向设计方法,其特征在于,对VAE和预测器进行联合训练具体为:VAE将MOF的表征形式边图|节点|拓扑对应到隐空间z中,预测器添加MOF性质,对VAE和预测器进行联合训练,设置生成模型的整体损失函数L
loss
为:L
loss
=L
ELBO
+L
property
其中,L
ELBO
为VAE学习的损失函数,L
property
为预测器的损失函数,VAE学习的损失函数L
ELBO
:其中,i=1,2,3;n=3,代表有三个编码解码器;q(z1|x1)对应以拓扑结构的onehot编码x1为输入、z1为输出的编码器;q(z2|x2)对应以节点的...
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。