人工智能是以研究計算機算法模擬人類智能的理論和方法,以及開發(fā)用來模擬人類智能的技術和現(xiàn)實系統(tǒng)為主要目的的前沿學科,涉及領域廣泛。機器學習作為人工智能的重要分支,從最初的符號學習演變到現(xiàn)在的統(tǒng)計機器學習,從純理論到現(xiàn)實問題研究,至今已經(jīng)應用在很多科研和工業(yè)領域。分子的吸收能是指分子因吸收光子而發(fā)生躍遷時所吸收的能量,反映了分子的電子性質以及內(nèi)在的結構信息,是重要的激發(fā)態(tài)光學性質之一。利用對物質分子所產(chǎn)生的吸收能以及吸收強度的了解,可以分析、測定和推斷物質的組成和結構等性質,對于太陽能電池光伏材料研究和設計等有重要參考價值。因而如何測量或準確而高效的預測分子的吸收能,尤其是較大分子的激發(fā)態(tài)性質,十分值得探究。近幾十年來,量子化學計算在研究化學各領域問題上已有顯著成效。近年來,量子化學計算與機器學習的結合,在提高量子化學計算方法的計算精度和計算效率上,得到了巨大進展。計算分子吸收能最常用量子化學方法之一是含時密度泛函理論(TDDFT),因為其效率高,并且可應用多種分子體系的特點,成為計算分子激發(fā)態(tài)的上佳選擇,但是其計算精度和可應用分子的尺度還有很大的提升空間。本文使用集成學習方法對TDDFT...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖2-1第154號分子結構

圖2-1與圖2-2是分別是本文研究的433個分子中原子數(shù)最多和原最多的是第154號分子，具有229個原子，最少的是178號分子，具兩個圖也可以看出，本文對分子的研究，原子數(shù)跨度較大，較有實用

圖2-2第178號分子結構

圖4-1實驗流程

4.1實驗方案本文對包含276個芳胺染料分子在內(nèi)的433個有機分子進行研究。首先通過計算這433個分子在三個不同基組下的基態(tài)與激發(fā)態(tài)的特征值獲取了三個數(shù)據(jù)庫，詳細過程已經(jīng)在第二章進行了介紹。之后進行數(shù)據(jù)劃分，特征選擇，然后使用集成方法對量子化學計算的吸收能結果進行校正....

本文編號：3946456