← 返回列表
基于多目标优化的含能材料的人工智能设计方法
摘要文本
本发明公开了基于多目标优化的含能材料的人工智能设计方法，构建含能材料数据集；构建基于深度学习的含能分子生成模型，使用含能分子生成模型生成新含能分子搜索空间；构建并训练含能材料的爆热预测模型和键离解能预测模型；基于爆热预测模型和键离解能预测模型结合二维改进概率方法对搜索空间的分子进行多目标优化；对筛选出的分子进行量化计算验证含能材料多目标优化工作框架的有效性。本发明针对含能材料体系的小样本训练及矛盾性质优化问题，成功构建了一个高效的含能分子设计框架，能快速从未探索的广阔化学空间中筛选兼顾能量及安全要求的含能候选分子。
申请人信息
- 申请人:四川大学
- 申请人地址:610044 四川省成都市一环路南一段24号
- 发明人: 四川大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于多目标优化的含能材料的人工智能设计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311770341.2 |
| 申请日 | 2023/12/21 |
| 公告号 | CN117747014A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G16C20/50 |
| 权利人 | 四川大学 |
| 发明人 | 蒲雪梅; 苟巧林; 刘静; 郭延芝; 徐司雨 |
| 地址 | 四川省成都市一环路南一段24号 |
专利主权项内容
1.一种基于多目标优化的含能材料的人工智能设计方法，其特征在于，包括：步骤S100、构建含能材料数据集；步骤S200、构建基于深度学习的含能分子生成模型，使用含能分子生成模型生成新含能分子搜索空间；步骤S300、构建并训练含能材料的爆热预测模型和键离解能预测模型；步骤S400、基于爆热预测模型和键离解能预测模型并结合二维改进概率方法对搜索空间的分子进行多目标优化：使用爆热预测模型和键离解能预测模型分别对搜索空间中的未知样本进行预测，获得每一个样本的爆热和键离解能预测值以及各自的预测不确定度；使用每一个样本的爆热和键离解能预测值以及各自的预测不确定度计算该样本的二维改进概率PI，对所有样本的二维PI进行排名，二维PI越大说明这个点越有可能成为理想的含能材料候选者，选择前N1个二维PI最大的化合物作为候选计算分子；N1为正整数；步骤S500、对二维PI排名前N2的化合物进行量化验证，获取每一个化合物的爆热、键离解能、密度、爆速和爆压值，并进一步分析候选分子的性能与结构，验证含能材料多目标优化工作框架的有效性，N2为正整数且N2＜N1。