基于图神经网络编码离子液体特征的方法技术

本发明专利技术涉及离子液体性质预测技术领域，提供了一种基于图神经网络编码离子液体特征的方法，包括以下步骤：1)收集离子液体的SMILES名称及物理化学性质数据；2)构建离子液体阳离子、阴离子的分子图，生成节点、边的信息；3)图神经网络融合编码节点、边的信息，生成离子液体的分子特征；4)以离子液体的物理化学性质数据预测为目标对生成的分子特征进行模型训练和模型测试。本发明专利技术提供了融合原子属性和结构属性的离子液体特征图编码生成技术，实现了离子液体组成原子特征和结构特征的直接融合，特征组成简单。基于本发明专利技术构建的特征训练模型，在消耗更少的计算资源的情况下，可以达到更好的性质预测效果。的性质预测效果。的性质预测效果。

【技术实现步骤摘要】
基于图神经网络编码离子液体特征的方法


[0001]本专利技术涉及离子液体性质预测
，尤其涉及一种基于图神经网络编码离子液体特征的方法。

技术介绍

[0002]离子液体作为新型的电解质溶液、润滑剂、气体吸收剂在能源、摩擦、环保等领域具有巨大的应用前景，通过AI模型预测离子液体的物理化学性质能够高效实现离子液体的工业应用。合理构建离子液体的特征集合是影响AI模型性能的关键步骤，离子液体由阳离子和阴阳离子组合而成，每一种阳离子(或阴离子)具有不同的原子组成和分子结构。将这些原子组成和分子结构融合是有效表示离子液体特征的前提，目前用于离子液体AI模型构建的特征主要可分为以下四类：(一)以离子液体的整体属性构建特征；(二)以离子液体的组成原子构建特征；(三)以离子液体的结构信息构建特征；(四)以离子液体所处环境构建特征。具体的技术方案如下：
[0003](一)以离子液体的整体属性构建特征
[0004]以阳离子、阴离子或离子液体为整体构建特征，不考虑分子结构等细节。常见的描述符有：阳离子类型、阴离子类型、是否含有环状结构、离子液体质量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络编码离子液体特征的方法，其特征在于，包括以下步骤：1)收集离子液体的SMILES名称及物理化学性质数据；2)构建离子液体阳离子、阴离子的分子图，生成节点、边的信息；3)图神经网络融合编码节点、边的信息，生成离子液体的分子特征；4)以离子液体的物理化学性质数据预测为目标对生成的分子特征进行模型训练。2.根据权利要求1所述的基于图神经网络编码离子液体特征的方法，其特征在于，步骤1)中：所述离子液体的物理化学性质包括离子液体的密度、粘度、电导率、临界温度、临界压力、亨利系数；所述离子液体的物理化学性质数据来源于离子液体数据库ILThermo v2.0。3.根据权利要求1所述的基于图神经网络编码离子液体特征的方法，其特征在于，步骤2)具体为：对离子液体阳离子、阴离子分别构建分子图，生成包括用于描述组成原子的节点信息和用于描述原子间成键关系的边信息。4.根据权利要求3所述的基于图神经网络编码离子液体特征的方法，其特征在于，所述节点信息选取组成原子的元素特征作为描述符，通过零一编码方式将其转化为计算机能识别的特征矩阵；所述边信息包括边的特征和边的索引两方面，边的特征以单键、双键、三键、环中键为描述符，通过零一编码的方式将其转化为计算机能够识别的特征矩阵，边的索引用于记录成键原子序号信息。5.根据权利要求4所述的基于图神经网络编码离子液体特征的方法，其特征在于，所述边的索引分为两行，第一行用于记录成键始端原子序号，第二行用于记录成键末端原子序号。6.根据权利要求1所述的基于图神经网络编码离子液体特征的方法，其特征在于，步骤3)中所述图神经网络融合编码节点、边的信息，具体为：搭建AttentiveFP图神经网络框架，AttentiveFP在融合节点信息和边信息时分为两步：第一步为原子编码...

【专利技术属性】
技术研发人员：杨振，戴中洋，宋灿灿，王晨阳，周国兵，华东升，
申请(专利权)人：国家超级计算深圳中心深圳云计算中心射阳县第三中学，
类型：发明
国别省市：