【技术实现步骤摘要】
本专利技术属于矿物浮选领域，特别是针对矿物浮选药剂的高通量筛选和靶向设计的训练方法。本专利技术使用计算化学和机器学习相关理论技术，应用矿业工程领域，为矿产资源的高效利用和浮选药剂的开发设计提供了重要的技术支持。
技术介绍
1、随着中国加速工业化进程，人均矿产资源消耗不断增加，矿物原料需求也逐渐上升。然而，我国矿产资源普遍面临品位较低、颗粒细小、多重金属共生及综合回收率低等问题。为应对这些挑战，开发适配不同矿产资源的特定浮选药剂配方显得尤为重要。
2、矿物浮选技术是一种主要依赖于药剂来实现矿物与杂质分离的物理化学过程。传统的药剂筛选和设计主要依赖于实验室实验，这种方法通常耗时、耗资且效率较低。分子模拟方法为矿物浮选药剂设计提供了一种新的途径。通过模拟药剂分子与矿物表面的相互作用，可以在微观层面理解浮选机制，从而指导药剂的设计和优化。其中，吸附能作为一个重要指标，可以通过量子化学方法，如密度泛函理论(dft)来计算，为评估和比较不同药剂提供了理论依据。
3、现有的矿物浮选技术和药剂设计方法在一定程度上能够满足矿业生产的需求，但由于依赖于大量的实验室实验，使得药剂筛选和优化的过程变得耗时且成本较高。量子化学计算方法提供了一种有效的药剂设计和评估手段，但在进行大规模药剂筛选时，模型构建和计算任务的准备仍然是一个挑战。此外，现有的量子化学计算方法和软件工具通常需要专业知识和经验，对于普通用户来说可能存在一定的使用门槛。通过图神经网络和高通量计算技术，可以大大降低计算时间和提高数据处理效率，为大规模药剂筛选提供了新的
4、综上所述，为了提高矿物浮选效率并降低药剂筛选和设计的成本和风险，有必要开发新的技术和方法，以实现矿物浮选药剂的高通量筛选和优化设计。同时，通过引入自动化技术和软件工具，可以进一步简化药剂筛选和评估的过程，为矿业行业提供更为高效和低成本的解决方案。
技术实现思路
1、本专利技术采纳的技术方案主要是通过vasp(vienna ab initio simulationpackage)软件，运用密度泛函理论(dft)执行第一性原理计算，以模拟和计算捕收剂分子与矿物表面的相互作用。该方案通过捕收剂分子结构及金属表面吸附位点结构的快速生成与优化，大幅加速了不同捕收剂分子吸附能的计算过程，此外通过已有的dtf数据训练图神经网络模型可进行捕收剂的大概规模筛选。
2、本专利技术基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，包括下述步骤：
3、步骤一 数据准备
4、通过书籍和文献收集候选捕收剂分子结构并使用量子化学计算软件对收集到的分子结构进行能量最小化，确保得到的是分子的基态或者最稳定形态，构建捕收剂分子数据集；对于矿物表面，同样进行能量最小化处理，获取弛豫结构及其对应的弛豫能量；
5、步骤二 构建初始结构文件：
6、通过能够读取给定的金属表面和捕收剂分子数据集的脚本，生成不同捕收剂分子在不同矿物表面吸附位点的初始结构的xsd文件，为接下来的量子化学计算软件计算任务奠定了基础。
7、在将捕收剂分子放置在矿物表面时，有一个难题是如何将捕收剂分子的吸附原子对应矿物表面的吸附位点，本专利技术的解决方法是识别捕收剂分子的吸附原子例如：s、o、n、p等，并将捕收剂分子进行随机旋转直到吸附原子此时为捕收剂分子中最低的原子(z轴的值最小)，此时再将捕收剂分子放在金属表面就可以很好的对应上吸附位点。
8、步骤三 准备量子化学计算软件输入文件：
9、将步骤二所得xsd文件转换成量子化学计算软件所需的poscar文件，并使用vaspkit对于原子进行固定并按照指定参数生成potcar和kpoints文件，同时基于poscar中的原子种类及个数修改incar文件的初始磁矩等参数，对于不同矿物表面其余参数可根据实际情况自行预设，如：截断能参数encut、最大电子步数nelm、最大离子步数new、能量收敛参数ediff、力的收敛参数ediffg，整个过程完善了vasp的输入文件准备过程；
10、步骤四 监督计算任务：
11、利用脚本持续监控任务的执行状态，确保每个任务的顺利完成，并在一个任务完成后生成下一个任务的准备文件，并提交计算，实现了vasp计算任务的循环监控和处理，从而有效地自动化了整个计算流程；
12、步骤五 输出文件处理：
13、监督计算任务完成后，将vasp的输出文件contcar转换为xsd格式，为后续的分析和使用提供了便利；记录该结构的总能量、总磁矩、计算时间等数据并输出至表格data.csv中；计算该结构的吸附能；
14、步骤六 图神经网络模型训练
15、再计算至少50组dft数据后(优选为至少85组、进一步优选为至少100组dft数据后)，得到了一组初始结构-吸附能的数据集，将结构数据转换为图数据类型并将弛豫能量作为标签；采用图神经网络模型dimenet++进行模型训练，80～90％的数据作为训练集，10～20％的数据作为验证集，通过验证集的均方误差(mse)评估模型性能，最终得到有效的模型；所得到的有效模型最终的验证集mse<0.1ev，即可以认为是已经训练好的模型；
16、步骤七 浮选捕收剂高通量筛选
17、使用已经训练好的模型对于给定未知的捕收剂的初始结构预测其在矿物表面的弛豫能量并计算其吸附能；将吸附能进行排序，筛选出吸附能较高的捕收剂分子作为实验候选捕收剂。
18、通过以上流程，本专利技术为矿物浮选药剂的高通量筛选和优化设计提供了一种新的技术方案，结合自动化技术和软件工具，有效地简化了药剂筛选和评估的过程，为选矿行业提供了一种更为高效和低成本的解决方案。
19、这本技术开发过程中，遇到的难题，包括：结构构建、任务监控、格式转换、自动化处理等。
20、为了解决上述难题，本专利技术采用了优选下述方案：
21、作为优选，步骤一中，所用量子化学计算软件包括vasp。
22、作为优选，步骤二中，构建初始结构文件时，通过python的ase包，编写了一个名为get_ads_structure.py的脚本。该脚本能够读取给定的金属表面和捕收剂分子数据集，并快速生成不同捕收剂分子在不同矿物表面吸附位点的初始结构的xsd文件，为接下来的vasp计算任务奠定了基础。
23、本专利技术步骤二中，get_ads_structure.py的脚本的代码如下：
24、
25、
26、
27、
28、作为优选，本专利技术步骤三中，准备vasp输入文件；在实际应用时，利用prepare_vasp.py脚本，实现了从xsd文件到vasp所需的poscar文件的转换，并使用vasp本文档来自技高网...
【技术保护点】
1.基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤一中，所用量子化学计算软件包括VASP。
3.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤二中，构建初始结构文件时，通过Python的ase包，编写了一个名为get_ads_structure.py的脚本；该脚本能够读取给定的金属表面和捕收剂分子数据集，并快速生成不同捕收剂分子在不同矿物表面吸附位点的初始结构的xsd文件，为接下来的VASP计算任务奠定了基础。
4.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤三中，准备VASP输入文件；在实际应用时，利用prepare_vasp.py脚本，实现了从xsd文件到VASP所需的POSCAR文件的转换，并使用vaspkit对于原子进行固定并按照指定参数生成
5.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤四中，监督计算任务时采用循环监控；具体操作为：
6.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤五中，输出文件处理时，在步骤四的任务完成后，利用change_format.py脚本将VASP的输出文件CONTCAR转换为xsd格式，为后续的分析和使用提供了便利；通过recorded_data.py记录该结构的总能量、总磁矩、计算时间等数据并输出至表格data.csv中；并计算该结构的吸附能。
...【技术特征摘要】
1.基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤一中，所用量子化学计算软件包括vasp。
3.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤二中，构建初始结构文件时，通过python的ase包，编写了一个名为get_ads_structure.py的脚本；该脚本能够读取给定的金属表面和捕收剂分子数据集，并快速生成不同捕收剂分子在不同矿物表面吸附位点的初始结构的xsd文件，为接下来的vasp计算任务奠定了基础。
4.根据权利要求1所述的基于密度泛函理论和图神经网络的高通量矿物浮选药剂筛选及设计自动化计算方法，其特征在于：步骤三中，准备vasp输入文件；在实际应用时，利用prepare_vasp.py脚本，实现了从xsd文件到vasp所需的poscar文件的转换，并使用vaspkit对于原子进行固...
【专利技术属性】
技术研发人员：张晨阳，樊东，韩明君，裴勇，孙伟，李洁，王嵘，刘思源，陈建华，
申请(专利权)人：中南大学，
类型：发明
国别省市：
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。