一种基于图神经网络的原子间相互作用势构建方法及系统
摘要文本
本发明公开一种基于图神经网络的原子间相互作用势构建方法及系统，涉及机器学习技术领域，该方法包括获取目标材料的初始数据集；初始数据集包括若干目标材料三维结构；获取每一目标材料三维结构对应的图；构建目标材料三维结构中的每一原子的距离对称函数；将目标材料三维结构对应的图的图描述符矩阵和目标材料三维结构中所有原子的距离对称函数输入至训练好的性能参数预测模型中，得到目标材料三维结构对应的性能参数；所有目标材料三维结构对应的性能参数构成原子间相互作用势。本发明采用训练好的性能参数预测模型进行性能参数预测，提高了原子间相互作用势的构建效率和精度。 来源：百度马 克 数据网
申请人信息
- 申请人:北京航空航天大学
- 申请人地址:100083 北京市海淀区学院路37号
- 发明人: 北京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于图神经网络的原子间相互作用势构建方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311669572.4 |
| 申请日 | 2023/12/7 |
| 公告号 | CN117672415A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G16C20/70 |
| 权利人 | 北京航空航天大学 |
| 发明人 | 孙志梅; 王冠杰; 周健 |
| 地址 | 北京市海淀区学院路37号 |
专利主权项内容
1.一种基于图神经网络的原子间相互作用势构建方法，其特征在于，包括：获取目标材料的初始数据集；所述初始数据集包括若干目标材料三维结构；对于所述初始数据集中的每一所述目标材料三维结构，获取所述目标材料三维结构对应的图；所述图的图节点对应所述目标材料三维结构中的原子；所述图的边表示所述边所连接的两个图节点对应的原子为各自的近邻原子；所述原子与所述原子的近邻原子的距离小于或等于设定距离；对于每一所述目标材料三维结构中的每一所述原子，根据所述原子与所述原子的近邻原子的距离信息构建所述原子的距离对称函数；对于每一所述目标材料三维结构，将所述目标材料三维结构对应的图的图描述符矩阵和所述目标材料三维结构中所有所述原子的距离对称函数输入至训练好的性能参数预测模型中，得到所述目标材料三维结构对应的性能参数；所述图描述符矩阵包括所有所述原子之间的距离和空间关系信息；所述性能参数包括所述目标材料三维结构中每一所述原子的能量和原子受力；所述原子受力包括X轴方向原子受力、Y轴方向原子受力和Z轴方向原子受力；所有所述所述目标材料三维结构对应的性能参数构成原子间相互作用势；所述训练好的性能参数预测模型是采用次数据集训练得到的；所述次数据集包括Q个样本材料三维结构、每一所述样本材料三维结构对应的样本图的样本图描述符矩阵和所述样本材料三维结构中所有所述样本原子的样本距离对称函数以及每一所述样本材料三维结构对应的样本性能参数；所述次数据集中的样本材料三维结构为从所述初始数据集选取的目标材料三维结构，所述初始数据集中目标材料三维结构的数量记为S，Q小于S。。详见官网：