近年來(lái),對(duì)有機(jī)分子體系、生物大分子體系、藥物設(shè)計(jì)的研究進(jìn)入到快速發(fā)展時(shí)代。對(duì)這些體系的研究,離不開(kāi)分析分子構(gòu)象之間的相互作用。雖然量子化學(xué)的理論計(jì)算方法和基于分子力場(chǎng)分子動(dòng)力學(xué)模擬的方法對(duì)此是有效的,但是前者所需的計(jì)算時(shí)間和資源過(guò)多,后者又不能很好描述化學(xué)反應(yīng)中分子的變化過(guò)程。因此,實(shí)現(xiàn)快速準(zhǔn)確預(yù)測(cè)分子間的物理化學(xué)性質(zhì)具有很大的理論和現(xiàn)實(shí)意義。本文結(jié)合當(dāng)前熱門的人工智能技術(shù),提出一種結(jié)合量子化學(xué)計(jì)算方法的深度張量神經(jīng)網(wǎng)絡(luò)（Quantum Mechanics-Deep Tensor Neutral Network,QM-DTNN）,本方法采用將兩個(gè)有機(jī)小分子構(gòu)象組成的體系中的原子核電荷矢量和原子間距離矩陣作為深度神經(jīng)網(wǎng)絡(luò)的輸入,把經(jīng)量子化學(xué)計(jì)算得到的相互作用能作為神經(jīng)網(wǎng)絡(luò)的輸出,對(duì)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證和預(yù)測(cè)。在構(gòu)建數(shù)據(jù)集時(shí),使用分層生成構(gòu)象的方法使分子構(gòu)象以不同密度充滿整個(gè)有效空間。用深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)有機(jī)小分子間的相互作用能時(shí),我們采用交叉驗(yàn)證的方法防止過(guò)擬合。本文對(duì)C4N2H4和C3NH5、C6H13NO4和C6H14O2兩種不同的構(gòu)象的分子間相互作用能進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,發(fā)現(xiàn)預(yù)測(cè)值與... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 有機(jī)小分子的相互作用
    1.2 分子動(dòng)力學(xué)模擬
    1.3 量化計(jì)算
    1.4 神經(jīng)網(wǎng)絡(luò)概述
    1.5 國(guó)內(nèi)外研究現(xiàn)狀
    1.6 本文的主要工作
2 基于深度張量神經(jīng)網(wǎng)絡(luò)(DTNN)預(yù)測(cè)相互作用能
    2.1 分子間的相互作用能
    2.2 有機(jī)小分子的獲得
    2.3 DTNN預(yù)測(cè)相互作用能的理論
        2.3.1 輸入層原理
        2.3.2 輸出層原理
        2.3.3 D_(ij)的高斯特征展開(kāi)
        2.3.4 T相互傳遞
        2.3.5 E_t分子的能量
        2.3.6 DTNN的實(shí)現(xiàn)框架
    2.4 交叉驗(yàn)證
    2.5 本章小結(jié)
3 QM-DTNN與有機(jī)小分子的方法實(shí)現(xiàn)
    3.1 相互作用能的量化計(jì)算
    3.2 DTNN的輸入
    3.3 訓(xùn)練和
        3.3.1 訓(xùn)練集分析
        3.3.2 驗(yàn)證集分析
        3.3.3 測(cè)試集分析
        3.3.4 訓(xùn)練結(jié)果的參數(shù)集合
    3.4 訓(xùn)練和
        3.4.1 訓(xùn)練集分析
        3.4.2 驗(yàn)證集分析
        3.4.3 測(cè)試集分析
        3.4.4 訓(xùn)練結(jié)果的參數(shù)集合
    3.5 靜電相互作用與電荷轉(zhuǎn)移
    3.6 本章小結(jié)
4 數(shù)據(jù)結(jié)果分析
    4.1 數(shù)據(jù)a的分析
    4.2 數(shù)據(jù)b的分析
    4.3 數(shù)據(jù)err_(mean)的分析
    4.4 數(shù)據(jù)err_(std)的分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]A neural network protocol for predicting molecular bond energy[J]. Chao Feng,Edward Sharman,Sheng Ye,Yi Luo,Jun Jiang.  Science China（Chemistry）. 2019(12)
[2]多原子反應(yīng)體系的高精度擬合勢(shì)能面[J]. 傅碧娜,陳俊,劉天輝,邵科杰,張東輝.  物理化學(xué)學(xué)報(bào). 2019(02)
[3]RuCl3一步催化氧化液相乙醇合成1,1-二乙氧基乙烷[J]. 楊娜,張華,胡靜,王公應(yīng),鄧志勇.  精細(xì)化工. 2019(03)
[4]丁二腈作為電解液添加劑的研究[J]. 張春麗,葉學(xué)海,任春燕.  無(wú)機(jī)鹽工業(yè). 2015(04)
[5]尼龍66復(fù)合材料研究進(jìn)展[J]. 李燦浩,林星五,程新生.  廣州化工. 2012(22)
[6]計(jì)算化學(xué)在化學(xué)化工中的應(yīng)用(上)[J]. 鄭文銳.  上�；�. 2009(12)

博士論文
[1]多原子分子反應(yīng)的全維勢(shì)能面構(gòu)建及動(dòng)力學(xué)理論研究[D]. 盧曉曉.中國(guó)科學(xué)技術(shù)大學(xué) 2019

碩士論文
[1]丁二腈制備與提純工藝的研究[D]. 王文強(qiáng).青島科技大學(xué) 2016
[2]綠色合成喹吖啶酮工藝研究[D]. 張志軍.江西理工大學(xué) 2012
[3]喹吖啶酮及其衍生物的合成和顏料化研究[D]. 柳任飛.南京林業(yè)大學(xué) 2010



本文編號(hào)：3680602