分子能量的预测方法技术

本申请公开了一种分子能量的预测方法

【技术实现步骤摘要】
分子能量的预测方法、装置、设备及存储介质


[0001]本申请实施例涉及量子
，特别涉及一种分子能量的预测方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]在量子化学中，通过预测分子能量来计算分子反应机理
、
计算分子光谱等等，因此，预测分子能量具有较为深远的实践意义
。
[0003]相关技术中，通过分子结构信息来预测分子能量，通常来说是根据分子的结构信息，例如成键类型
、
键长
、
键角等信息等作为分子能量预测模型的输入
。
[0004]然而，相关技术中，根据分子的结构信息来预测分子能量，由于对于每一个分子而言其结构信息较多，而且不同分子之间的结构不一致，因此不仅计算成本较高，而且可迁移性较差
。

技术实现思路

[0005]本申请实施例提供了一种分子能量的预测方法
、
装置
、
设备及存储介质
。
所述技术方案如下：
[0006]根据本申请实施例的一个方面，提供了一种分子能量的预测方法，所述方法包括：
[0007]采用第一计算方法获得待预测分子的第一预测能量，以及所述待预测分子的量子算符，所述待预测分子的量子算符用于描述所述待预测分子的波函数；
[0008]通过分子能量预测模型根据所述待预测分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；
[0009]根据所述能量信息，确定所述待预测分子的最终预测能量
。
[0010]根据本申请实施例的一个方面，提供了一种分子能量预测模型的训练方法，所述方法包括：
[0011]采用第一计算方法获得样本分子的第一预测能量，以及所述样本分子的量子算符，所述样本分子的量子算符用于描述所述样本分子的波函数；
[0012]采用第二计算方法获得所述样本分子的第二预测能量，所述第二计算方法的能量预测精度高于所述第一计算方法的能量预测精度；
[0013]通过分子能量预测模型根据所述样本分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；
[0014]根据所述能量信息
、
所述第一预测能量和所述第二预测能量，对所述分子能量预测模型的参数进行调整
。
[0015]根据本申请实施例的一个方面，提供了一种分子能量的预测装置，所述装置包括：
[0016]第一能量预测模块，用于采用第一计算方法获得待预测分子的第一预测能量，以及所述待预测分子的量子算符，所述待预测分子的量子算符用于描述所述待预测分子的波函数；
[0017]第二能量预测模块，用于通过分子能量预测模型根据所述待预测分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；
[0018]能量确定模块，用于根据所述能量信息，确定所述待预测分子的最终预测能量
。
[0019]根据本申请实施例的一个方面，提供了一种分子能量预测模型的训练装置，所述装置包括：
[0020]第三能量预测模块，用于采用第一计算方法获得样本分子的第一预测能量，以及所述样本分子的量子算符，所述样本分子的量子算符用于描述所述样本分子的波函数；
[0021]第四能量预测模块，采用第二计算方法获得所述样本分子的第二预测能量，所述第二计算方法的能量预测精度高于所述第一计算方法的能量预测精度；
[0022]第五能量预测模块，用于通过分子能量预测模型根据所述样本分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；
[0023]参数调整模块，用于根据所述能量信息
、
所述第一预测能量和所述第二预测能量，对所述分子能量预测模型的参数进行调整
。
[0024]根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现上述分子能量的预测方法，或实现上述分子能量预测模型的训练方法
。
[0025]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述分子能量的预测方法，或实现上述分子能量预测模型的训练方法
。
[0026]根据本申请实施例的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中
。
计算机设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该计算机设备执行上述分子能量的预测方法，或实现上述分子能量预测模型的训练方法
。
[0027]本申请实施例提供的技术方案可以包括如下有益效果：通过第一计算方法
(
较低成本的计算方法
)
来获取待预测分子的第一预测能量，以及待预测分子的量子算符，将量子算符输入至所述分子能量预测模型，可以得到关于该待预测分子的能量信息，通过将该能量信息与第一预测能量相加，可以确定出待预测分子的最终预测能量，其中，待预测分子的最终预测能量比第一预测能量的精度高
。
也即，本申请实施例提供的技术方案，将分子的量子算符作为输入，通过分子能量预测模型来预测分子的能量，由于量子算符的种类不多，不同分子之间的量子算符的种类基本一致，因此该分子能量预测模型的可迁移性较好，该分子能量的预测方法的普适应较好
。
同时，由于第一待测能量是通过计算成本较低的分子能量的计算方法而获取的，所以，本申请实施例提供的技术方案可以实现花费较低计算成本而预测到精度较高的分子能量
。
附图说明
[0028]图1是相关技术中提供的计算成本与对应体系的薛定谔方程的精确数值解的坐标关系的示意图；
[0029]图2是相关技术中提供的机器学习在各个计算化学的附属领域中的应用方式的示意图；
[0030]图3是本申请一个实施例提供的使用机器学习方法预测分子能量的示意图；
[0031]图4是本申请一个实施例提供的使用不同方法计算一个催化剂所需要的计算花费的示意图；
[0032]图5是本申请一个实施例提供的一个实际的简单反应中的势能面的示意图；
[0033]图6是本申请一个实施例提供的方案实施环境的示意图；
[0034]图7是本申请一个实施例提供的分子能量的预测方法的流程图；
[0035]图8是本申请一个实施例提供的算符信息的获取方法的框图；
[0036]图9是本申请一个实施例提供的分子能量的预测方法的框图；
[0037]图
10
是本申请一个实施例提供的分子能量预测模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种分子能量的预测方法，其特征在于，所述方法包括：采用第一计算方法获得待预测分子的第一预测能量，以及所述待预测分子的量子算符，所述待预测分子的量子算符用于描述所述待预测分子的波函数；通过分子能量预测模型根据所述待预测分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；根据所述能量信息，确定所述待预测分子的最终预测能量
。2.
根据权利要求1所述的方法，其特征在于，所述分子能量预测模型包括基于高斯过程的加和核函数，所述加和核函数是指与两个分子相关的至少两个核函数的加和结果，每个核函数是基于一个分子中的一个轨道对和另一个分子中的一个轨道对构建的；所述通过分子能量预测模型根据所述待预测分子的量子算符，预测得到能量信息，包括：对于所述加和核函数中的每一个核函数，从所述待预测分子的量子算符中获取第一算符元素，以及从样本分子的量子算符中获取第二算符元素；其中，所述第一算符元素是指所述待预测分子的量子算符中与所述核函数相关的轨道对的算符元素，所述第二算符元素是指所述样本分子的量子算符中与所述核函数相关的轨道对的算符元素；根据所述第一算符元素和所述第二算符元素，计算得到所述核函数的计算结果；将所述加和核函数中的各个所述核函数的计算结果进行加和，得到所述加和核函数的计算结果；根据所述加和核函数的计算结果，得到所述能量信息
。3.
根据权利要求2所述的方法，其特征在于，所述样本分子的数量为
L
个，
L
为大于1的正整数，所述根据所述加和核函数的计算结果，得到所述能量信息，包括：根据
L
个所述样本分子的所述加和核函数的计算结果，确定所述能量信息
。4.
根据权利要求2所述的方法，其特征在于，所述核函数是基于一个分子中的一个原子轨道对和另一个分子中的一个原子轨道对构建的；或者，所述核函数是基于一个分子中的一个分子轨道对和另一个分子中的一个分子轨道对构建的
。5.
根据权利要求2所述的方法，其特征在于，所述核函数为至少两个基础核函数的乘积，不同的基础核函数是基于不同的核函数算法针对同一组轨道对构建的
。6.
根据权利要求1所述的方法，其特征在于，所述能量信息包括能量差值，所述能量差值是指相对于所述第一预测能量的差值；所述根据所述能量信息，确定所述待预测分子的最终预测能量，包括：根据所述能量差值和所述第一预测能量，确定所述最终预测能量
。7.
根据权利要求1所述的方法，其特征在于，所述采用第一计算方法获得待预测分子的第一预测能量，以及所述待预测分子的量子算符，包括：采用任意一种自洽场理论方法获得所述待预测分子的第一预测能量，以及所述待预测分子的量子算符
。8.
根据权利要求1所述的方法，其特征在于，所述量子算符的表现形式包括以下至少之
一：结构算符
、
原子轨道算符
、
分子轨道算符；所述结构算符是基于所述待预测分子的结构确定的；所述原子轨道算符是基于所述待预测分子的原子轨道表达形式确定的；所述分子轨道算符是基于所述待预测分子的分子轨道表达形式确定的
。9.
根据权利要求1所述的方法，其特征在于，所述量子算符的种类包括以下至少之一：重叠算符
、
动能算符
、
原子核势能算符
、
密度算符
、
库伦算符
、
交换算符
、
福克算符
。10.
根据权利要求1所述的方法，其特征在于，所述待预测分子的最终预测能量用于确定所述待预测分子的构型；或，所述待预测分子的最终预测能量用于确定所述待预测分子的反应机理；或，所述待预测分子的最终预测能量用于确定所述待预测分子的光谱
。11.
一种分子能量预测模型的训练方法，其特征在于，所述方法包括：采用第一计算方法获得样本分子的第一预测能量，以及所述样本分子的量子算符，所述样本分子的量子算符用于描述所述样本分子的波函数；采用第二计算方法获得所述样本分子的第二预测能量，所述第二计算方法的能量预测精度高于所述第一计算方法的能量预测精度；通过分子能量预测模型根据所述样本分子的量子算符，预测得到能量信息；其中，所述分子能量预测模型是用于预测所述能量信息的机器学习模型；根据所述能量信息
、
所述第一预测能量和所述第二预测能量，对所述分子能量预测模型的参数进行调整
。12.
根据权利要求
11
所述的方法，其特征在于，所述分子能量预测模型包括基于高斯过程的加和核函数，所述加和核函数是指与两个分子相关的至少两个核函数的加和结果，每个核函数是基于一个分子中的一个轨道对和另一个分子中的一个轨道对构建的；所述通过分子能量预测...

【专利技术属性】
技术研发人员：程立雪，赖炫尧，张胜誉，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：