本发明专利技术公开了一种基于GPU加速的自适应粗粒化超分子动力学模拟方法及系统，涉及动力学模拟技术领域，方法包括：获取多个不同的超分子的分子动力模拟的模拟数据；建立深度模拟模型；使用MCMC方法进行参数采样；将优化后的基础参数生成法记为标准参数生成法；参数生成过程中使用图神经网络技术在每种参数生成时使用粗粒化方法进行数据记录；基于自适应调整的结果以及生成的参数在GPU加速下对待测超分子进行动力学模拟；本发明专利技术用于解决现有技术中使用超分子进行动力学模拟时，需要实验数据和经验对超分子的力场参数进行选择，导致降低动力学模拟的效率的问题。
1、目前，已经有一些软件包可以进行超分子动力学模拟，如gromacs、materialsstudio、schrodinger等。这些软件包都提供了一些专门针对超分子体系的功能和模块，如非共价键搜索、自由能计算、形状匹配、粗粒化方法等。
2、现有的用于超分子动力学模拟的改进，通常是通过提高对系数计算的精确性从而降低程序编写的难度，比如在申请公开号为cn105653766a的中国专利中，公开了一种非平衡分子动力学模拟计算分子扩散系数的方法，该方案就是通过采用分子动力学模拟直接计算出混合物中各组分沿扩散方向的浓度梯度及扩散通量，从而能够精确的计算出各组分的分子扩散系数，提高了模拟效率，而且显著的降低了模拟程序编写中的难度，其他的用于超分子动力学模拟的改进，通常是用于提高模拟时的预测效率以及预测精准性，而在进行超分子动力模拟时，力场参数的选择和优化是一个困难和耗时的过程，现有的改进方法中缺少对力场参数的调节方面的改进，这会导致当使用新的超分子进行动力学模拟时，需要大量的实验数据和经验对超分子的力场参数进行选择，这会导致降低动力学模拟的效率，除此之外，超分子体系的可逆性和动态性导致了模拟过程中的熵损失和偏差，需要使用更复杂和更耗时的采样算法来避免，超分子体系的多尺度性导致了模拟过程中的计算效率低下，需要使用粗粒化方法来降低计算量，但是粗粒化方法会损失一些细节信息，鉴于此，有必要对现有的超分子动力学模拟进行改进。
/>技术实现思路
1、本专利技术旨在至少在一定程度上解决现有技术中的技术问题之一，通过提出一种基于gpu加速的自适应粗粒化超分子动力学模拟方法及系统，用于改进现有技术中缺少在进行超分子动力学模拟时对力场参数的调节方面的改进，这会导致当使用新的超分子进行动力学模拟时，需要大量的实验数据和经验对超分子的力场参数进行选择，这会导致降低动力学模拟的效率的问题。
2、为实现上述目的，第一方面，本专利技术提供一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，包括：
3、获取多个不同的超分子的分子动力模拟的模拟数据，记为分子模拟数据1至分子模拟数据n；
4、建立深度模拟模型，深度模拟模型用于分析多个分子模拟数据，并基于分析结果得到基础参数生成法；
5、使用多个分子模拟数据对基础参数生成法进行优化，并在优化过程中使用mcmc方法进行参数采样；
6、当基础参数生成法能够生成参数标准数量的标准参数时，将基础参数生成法记为标准参数生成法；
7、使用标准参数生成法对多个分子模拟数据进行参数生成，并在参数生成过程中使用图神经网络技术在每种参数生成时使用粗粒化方法进行数据记录，对待测超分子的粗粒化进行自适应调整；
8、基于自适应调整的结果以及生成的参数在gpu加速下对待测超分子进行动力学模拟。
9、进一步地，获取多个不同的超分子的分子动力模拟的模拟数据，记为分子模拟数据1至分子模拟数据n包括：
10、获取多个不同的超分子的分子动力学模拟数据，记为分子模拟数据1至分子模拟数据n；
11、对于分子模拟数据1至分子模拟数据n中的任意一个分子模拟数据x，获取分子模拟数据的动力模拟的总时长，记为分子模拟时长；
12、将分子模拟时长均匀分成k份，并基于动力模拟的开始到结束依次记为模拟子时长1至模拟子时长k，将模拟子时长1至模拟子时长k1记为分析模拟时长，将模拟子时长k1至模拟子时长k记为检验模拟时长，其中，k为大于等于0的正整数，k1为小于k的正整数。
13、进一步地，建立深度模拟模型，深度模拟模型用于分析多个分子模拟数据，并基于分析结果得到基础参数生成法包括：
14、将分子模拟数据1至分子模拟数据n中每一个分子模拟数据的分析模拟时长对应的数据记为分析模拟数据，将分子模拟数据的检验模拟时长对应的数据记为检验模拟数据，得到分析模拟数据1至分析模拟数据n以及检验模拟数据1至检验模拟数据n；
15、建立深度模拟模型，将分析模拟数据1至分析模拟数据n录入深度模拟模型，使用基础分析法对所有分析模拟数据进行分析；
16、基于基础分析法的结果得到基础参数生成法。
17、进一步地，基础分析法包括：
18、对于分析模拟数据1至分析模拟数据n中的任意一个分析模拟数据，基于分析模拟数据的动力模拟所用的空间三维数据建立三维直角坐标系，其中，三维直角坐标系的x轴对应动力模拟所用的空间的长，三维直角坐标系的y轴对应动力模拟所用的空间的宽，三维直角坐标系的z轴对应动力模拟所用的空间的高，三维直角坐标系的原点对应动力模拟所用的空间的任意一个顶点；
19、将分析模拟数据开始时记录的超分子在三维直角坐标系内的位置记为初始位置，将分析模拟数据结束时记录的超分子在三维直角坐标系内的位置记为终止位置。
20、进一步地，基础分析法还包括：
21、将超分子在初始位置下的加速度记为kv1，将超分子在初始位置下的速度方向记为初始移动方向；
22、将超分子在终止位置下的加速度记为kv2，将超分子在终止位置下的速度记为gv，将gv的方向记为终止移动方向；
23、将初始移动方向与终止移动方向形成的夹角记为运动角；
24、将超分子在分析模拟数据中碰撞动力模拟所用的空间边缘的次数记为gk，其中，gk最小为1。
25、进一步地，基础分析法还包括：
26、使用基础分析公式得到分析模拟数据的超速值，基础分析公式为：
27、其中，gg为超速值，t为分析模拟时长；
28、获取分析模拟数据对应的力场参数，将超速值记为力场参数的衡量值，将初始移动方向记为力场参数的方向值；
29、获取所有分析模拟数据的力场参数对应的衡量值以及方向值。
30、进一步地，基础参数生成法包括：
31、将所有分析模拟数据中超分子在力场中的位置记为分析位置1至分析位置n，将所有分析模拟数据的力场参数对应的方向值记为分析方向1至分析方向n，将所有分析模拟数据中超分子的初加速度记为分析加速度1至分析加速度n，将所有分析模拟数据的分析模拟时长记为分析时长1至分析时长n，将所有分析模拟数据中所有超分子的类型集合记为分子集；
32、将分析待测超分子依次放置在分析位置1至分析位置n中沿对应的分析方向并基于对应的分析加速度进行动力模拟，当动力模拟的时间依次达到分析时长1至分析时长n时获取超速值，记为待测超速值1至待测超速值n，其中，分析待测超分子的质量为所有分析模拟数据中所有超分子质量的平均值且组成分析待测超分子的原子为分子集中已有的原子；
33、对于待测超速值1至待测超速值n中的任意一个待测超速值c，获取待测超速值c与对应的分析模拟数据c的衡量值的差值的绝对值，记为待测差值c；...
【技术保护点】
1.一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，包括：
2.根据权利要求1所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，获取多个不同的超分子的分子动力模拟的模拟数据，记为分子模拟数据1至分子模拟数据N包括：
3.根据权利要求2所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，建立深度模拟模型，深度模拟模型用于分析多个分子模拟数据，并基于分析结果得到基础参数生成法包括：
4.根据权利要求3所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础分析法包括：
5.根据权利要求4所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础分析法还包括：
6.根据权利要求5所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础分析法还包括：
7.根据权利要求6所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础参数生成法包括：
8.根据权利要求7所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，使用多个分子模拟数据对基础参数生成法进行优化，并在优化过程中使用MCMC方法进行参数采样包括：
9.根据权利要求8所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法，其特征在于，使用标准参数生成法对多个分子模拟数据进行参数生成，并在参数生成过程中使用图神经网络技术在每种参数生成时使用粗粒化方法进行数据记录，对待测超分子的粗粒化进行自适应调整包括：
10.适用于权利要求1-9任意一项所述的一种基于GPU加速的自适应粗粒化超分子动力学模拟方法的系统，其特征在于，包括：模型分析模块、优化生成模块、数据综合模块以及动力模拟模块；
...
【技术特征摘要】
1.一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于，包括：
2.根据权利要求1所述的一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于，获取多个不同的超分子的分子动力模拟的模拟数据，记为分子模拟数据1至分子模拟数据n包括：
3.根据权利要求2所述的一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于，建立深度模拟模型，深度模拟模型用于分析多个分子模拟数据，并基于分析结果得到基础参数生成法包括：
4.根据权利要求3所述的一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础分析法包括：
5.根据权利要求4所述的一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于，所述基础分析法还包括：
6.根据权利要求5所述的一种基于gpu加速的自适应粗粒化超分子动力学模拟方法，其特征在于...
【专利技术属性】
技术研发人员：何加铭，杨邦赛，李思，张佳丽，杨雨霏，屠利波，杨元杰，朱韬，张伊豪，郑俊杰，王家功，韩祺，金錱，江文玲，单丹丹，王萍华，
申请(专利权)人：宁波甬恒瑶瑶智能科技有限公司，
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。