买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川大学

摘要：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。

主权项：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，具体包括：步骤S210、构建预训练RNN模型，预训练RNN模型包括三层LSTM以及带有Softmax函数的全连接层，每个LSTM层和全连接层包含256个单元；步骤S220、使用ChEMBL数据库的分子作为预训练数据训练预训练RNN模型，利用化学数据库中未标记的分子挖掘SMILES中的上下文信息；步骤S230、构建生成RNN模型，生成RNN模型架构与预训练RNN模型相同；步骤S240、将使用预训练数据训练后的预训练RNN模型的三层LSTM层的权重参数直接迁移到生成RNN模型的三层LSTM层的权重参数上，然后使用最后构建的含能材料数据集进一步微调全连接层的参数；步骤S250、使用微调后的生成RNN模型进行采样来生成新分子结构，从生成的分子中选择独特且新颖的分子作为初步搜索空间，独特且新颖的分子指能够转换回分子图的有效SMILES中不存在于训练集中且唯一的SMILES分子；步骤S260、对初步搜索空间中的分子进行如下过滤：1只保留由C、H、O、N元素组成的分子；2去掉含三元或四元环结构的分子；3去掉非电中性分子；将剩下的分子作为最终的搜索空间；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。

全文数据：

权利要求：

百度查询： 四川大学 基于多目标优化的含能材料的人工智能设计方法