申请/专利权人：南京邮电大学

申请日：2021-07-13

公开（公告）日：2024-03-01

公开（公告）号：CN113488114B

主分类号：G16C20/30

分类号：G16C20/30;G16C20/70;G16C60/00;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：本发明公开了含螺环的芴基分子晶体中分子间非共价键弱相互作用能预测模型训练方法，采用分子的偶极矩、分子的正电能、分子间距离、分子的相对取向、分子的最外层电子数、分子的极化率以及分子所含螺环SP3碳个数作为描述符，在与理论计算结果相比较后，证实了其预测结果的可靠性。同时本发明能够有效的提高计算含螺环的芴基分子晶体中分子间非共价键弱相互作用能的效率，并大大减少计算成本，为研究含螺环的芴基分子晶体中分子间非共价键弱相互作用开辟了新的道路。

主权项：1.含螺环的芴基分子晶体中分子间非共价键弱相互作用能预测模型训练方法，所述训练方法包括：收集原始训练数据，对原始训练数据进行预处理后输入神经网络进行训练，其特征在于，所述原始训练数据以含有螺环的芴基分子晶体为主，辅以通用型小分子结构的数据库以补充氢键、卤键和环芳堆积作用，所述通用型小分子结构的数据库不包含聚合物、生物蛋白大分子结构；所述对原始训练数据进行预处理包括：将原始训练数据中的共晶和聚合物数据排除，然后将原始训练数据采用分子描述符和相应的标签值进行表示，所述描述符作为神经网络的输入层数据，标签值作为神经网络输出层数据；所述输入层的描述符选择分子的偶极矩、分子的正电能、分子间距离、分子的相对取向、分子的最外层电子数、分子的极化率以及分子所含螺环SP3碳个数；所述标签值即对应非共价键弱相互作用的能量；所述神经网络具体为全连接神经网络，作为所述预测模型训练方法的基本算法；全连接神经网络使用Dropout正则化做防止过拟合的处理；对原始训练数据进行预处理还包括对数据库进行中心化和归一化操作；所述全连接神经网络采用的损失函数为交叉熵损失函数，采用的激活函数为ReLU激活函数，通过改变学习率使模型不断完善；通过所述学习率使模型不断完善的步骤包式进行权重值wt+1和偏置值bt+1的更新： ， ，其中，wt+1,bt+1代表的是更新后的权重值和偏置值，lr是学习率且初始学习率为0.01，loss是损失函数，代表对损失函数求解相应的权重或偏置的导数。

全文数据：

权利要求：

百度查询： 南京邮电大学 含螺环的芴基分子晶体中分子间非共价键弱相互作用能预测方法及其预测模型训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD