【技术实现步骤摘要】
本专利技术涉及机器学习领域，具体地涉及一种基于dnn-tl-ga(deep nueralnetwork-transfer learning-genetic algorithm,深度神经网络-迁移学习-基因遗传算法)的金属团簇结构的优化方法与优化系统。
技术介绍
1、金属团簇由于具有独特的结构和物理化学特性而被广泛研究，金属团簇的结构决定了它们的特性，因此研究金属团簇的全局最优结构(即金属团簇势能面上具有最低能量的几何构型)是研究金属团簇其他性质的基础。预测金属团簇结构的一种有效方式是使用全局优化技术，其通常包括两部分：全局搜索和局部优化。一般来说，全局优化技术的差异主要取决于全局搜索方法，通常采用搜索算法进行全局搜索；密度泛函理论(densityfunctional theory,dft)是常用的金属团簇结构局部优化方法，全局优化过程中最耗时的步骤是基于dft方法的局部优化，因为这涉及到耗时的电子结构计算。
技术实现思路
1、本专利技术的目的是提供一种基于dnn-tl-ga的金属团簇结构的优化方法与优化系统，其在dnn结合迁移学习全局优化金属团簇结构方法的基础上，使用基因遗传算法在金属团簇结构势能面上进行采样和全局搜索，可以获得势能面上更多代表性的低能量样本和拥有更好的势能面全局搜索能力，这进一步提高了金属团簇结构的优化效率。
2、为了实现上述目的，本专利技术第一方面提供一种基于dnn-tl-ga的金属团簇结构的优化方法，所述优化方法包括：根据金属团簇的初始结构，采用基
3、优选地，所述生成第一样本集包括：根据所述金属团簇的初始结构，采用所述基因遗传算法生成初始的前s代的后代结构；以及采用所述第一dft局部优化方法对所述初始的前s代的后代结构进行处理。
4、优选地，所述获取dnn局部优化的第s+1代至第t代的后代结构包括：根据所述dft局部优化的前s代的后代结构，采用所述基因遗传算法生成初始的第s+1代至第t代的后代结构；以及采用所述第一dnn模型对所述初始的第s+1代至所述第t代的后代结构进行局部优化。
5、优选地，在执行所述获取dnn局部优化的第s+1代至第t代的后代结构的步骤之后，所述优化方法还包括：根据所述dft局部优化的前s代的后代结构与所述dnn局部优化的第s+1代至第t代的后代结构，采用所述基因遗传算法、所述第一dnn模型以及第二dft局部优化方法，生成第二样本集，其中，所述第二样本集包括dft局部优化的第t+1代至第u代的后代结构和相应的能量；采用所述迁移学习方法对所述第一dnn模型进行处理，以获取待训练的第二dnn模型，并使用所述第一样本集与所述第二样本集对所述待训练的第二dnn模型进行训练，以得到第二dnn模型；根据所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构以及dft局部优化的第t+1代至第u代的后代结构，采用所述基因遗传算法以及所述第二dnn模型，获取dnn局部优化的第u+1代至第v代的后代结构，所述选取q个结构包括：从所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构、所述dft局部优化的第t+1代至第u代的后代结构以及所述dnn局部优化的第u+1代至第v代的后代结构中，选取所述q个结构。
6、优选地，所述生成第二样本集包括：根据所述dft局部优化的前s代的后代结构与所述dnn局部优化的第s+1代至第t代的后代结构，采用所述基因遗传算法生成所述初始的第t+1代至第u代的后代结构；采用所述第一dnn模型对所述初始的第t+1代至所述第u代的后代结构进行预优化；以及采用所述第二dft局部优化方法对预优化的后代结构进行处理。
7、优选地，所述获取dnn局部优化的第u+1代至第v代的后代结构包括：根据所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构以及所述dft局部优化的第t+1代至第u代的后代结构，采用所述基因遗传算法生成第u+1代至第v代的后代结构；以及采用所述第二dnn模型对所述第u+1代至所述第v代的后代结构进行局部优化。
8、优选地，在执行所述获取dnn局部优化的第u+1代至第v代的后代结构的步骤之后，所述优化方法还包括：根据所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构、所述dft局部优化的第t+1代至第u代的后代结构以及所述dnn局部优化的第u+1代至第v代的后代结构，采用所述基因遗传算法、所述第二dnn模型以及第三dft局部优化方法，生成第三样本集，其中，所述第三样本集包括dft局部优化的第v+1代至第w代的后代结构和相应的能量；采用所述迁移学习方法对所述第二dnn模型进行处理，以获取待训练的第三dnn模型，并使用所述第一样本集、所述第二样本集与所述第三样本集对所述待训练的第三dnn模型进行训练，以得到第三dnn模型；根据所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构、所述dft局部优化的第t+1代至第u代的后代结构、所述dnn局部优化的第u+1代至第v代的后代结构以及dft局部优化的第v+1代至第w代的后代结构，采用所述基因遗传算法以及所述第三dnn模型，获取dnn局部优化的第w+1代至第x代的后代结构，所述选取q个结构包括：从所述dft局部优化的前s代的后代结构、所述dnn局部优化的第s+1代至第t代的后代结构、所述dft局部优化的第t+1代至第u代的后代结构、所述dnn局部优化的第u+1代至第v代的后代结构、所述dft局部优化的第v+1代至第w代的后代结构、所述dnn局部优化的第w+1代至第x代的后代结构中，选取所述q个结构。
9、优选地，在执行所述选取所述q个结构的步骤之后，所述优化方法还包括：采用第四dft局部优化方法对所述q个结构进行处理，以获取金属团簇的全局最优结构，其中，所述第四dft局部优化方法的精度高于以下各项的精度：所述第一dft局部优化方法、所述第二dft局部优化方法、或者所述第三dft局部优化方法。
10、通过上述技术方案，本专利技术创造性地根据金属团簇的初始结构，采用基因遗传算法以及第一dft局部优化方法，生成第一样本集；然后使用所述第一样本集对预训练的dnn进行训练，以得到第一dnn模型；接着，根本文档来自技高网...
【技术保护点】
1.一种基于DNN-TL-GA的金属团簇结构的优化方法，其特征在于，所述优化方法包括：
2.根据权利要求1所述的优化方法，其特征在于，所述生成第一样本集包括：
3.根据权利要求1所述的优化方法，其特征在于，所述获取DNN局部优化的第S+1代至第T代的后代结构包括：
4.根据权利要求1-3中任一项所述的优化方法，其特征在于，在执行所述获取DNN局部优化的第S+1代至第T代的后代结构的步骤之后，所述优化方法还包括：
5.根据权利要求4所述的优化方法，其特征在于，所述生成第二样本集包括：
6.根据权利要求4所述的优化方法，其特征在于，所述获取DNN局部优化的第U+1代至第V代的后代结构包括：
7.根据权利要求4所述的优化方法，其特征在于，在执行所述获取DNN局部优化的第U+1代至第V代的后代结构的步骤之后，所述优化方法还包括：
8.根据权利要求7所述的优化方法，其特征在于，在执行所述选取所述Q个结构的步骤之后，所述优化方法还包括：采用第四DFT局部优化方法对所述Q个结构进行处理，以获取金属团簇的全局最优
9.一种基于DNN-TL-GA的金属团簇结构的优化系统，其特征在于，所述优化系统包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于DNN-TL-GA的金属团簇结构的优化方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于DNN-TL-GA的金属团簇结构的优化方法。
...【技术特征摘要】
1.一种基于dnn-tl-ga的金属团簇结构的优化方法，其特征在于，所述优化方法包括：
2.根据权利要求1所述的优化方法，其特征在于，所述生成第一样本集包括：
3.根据权利要求1所述的优化方法，其特征在于，所述获取dnn局部优化的第s+1代至第t代的后代结构包括：
4.根据权利要求1-3中任一项所述的优化方法，其特征在于，在执行所述获取dnn局部优化的第s+1代至第t代的后代结构的步骤之后，所述优化方法还包括：
5.根据权利要求4所述的优化方法，其特征在于，所述生成第二样本集包括：
6.根据权利要求4所述的优化方法，其特征在于，所述获取dnn局部优化的第u+1代至第v代的后代结构包括：
7.根据权利要求4所述的优化方法，其特征在于，在执行所述获取dnn局部优化的第u+1...
【专利技术属性】
技术研发人员：杨祁，刘清宇，何圣贵，
申请(专利权)人：中国科学院化学研究所，
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。