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：中国科学院山西煤炭化学研究所

摘要：本发明属于无序结构材料技术领域，公开了一种无序材料热力学稳定结构的预测推荐方法、设备、终端，采用已有程序产生指定替代缺陷共占据状态下所有可能的非冗余结构；采用机器学习中聚类算法对结构进行聚类；从每个聚类结果中推荐得到采用密度泛函理论优化的待优化结构；采用密度泛函理论方法对推荐的结构进行优化；从优化结构的轨迹中准备训练集；训练机器学习势模型；采用训练的机器学习势模型优化没有弛豫的结构；采用多代运行的方式，判断是否达到设置的终止条件；满足终止条件后，基于密度泛函理论优化的结构集和机器学习势优化后收敛的结构集推荐热力学稳定的结构集。本发明适用于预测和推荐无序材料热力学稳定结构以及晶体结构预测。

主权项：1.一种无序材料热力学稳定结构的预测选择方法，其特征在于，所述无序材料热力学稳定结构的预测选择方法包括以下步骤：步骤一，采用已有程序supercell产生指定替代缺陷共占据状态下所有可能的非冗余结构；步骤二，采用机器学习中聚类算法对结构进行聚类；步骤三，从每个聚类结果中选择得到需要采用密度泛函理论优化的待优化结构，选择原则遵循能量优先和多样性优先；步骤四，采用密度泛函理论方法对步骤三选出的结构进行优化，将优化后的结构保存到采用密度泛函理论优化的结构集中；步骤五，从步骤四中优化结构的轨迹中准备训练集；步骤六，训练机器学习势模型；步骤七，采用训练的机器学习势模型优化没有弛豫的结构；步骤八，采用多代运行的方式，判断是否达到设置的终止条件，如果没有，重复步骤二至步骤八，直至满足终止条件；步骤九，满足终止条件后，基于密度泛函理论优化的结构集和机器学习势优化后收敛的结构集选择热力学稳定的结构集；步骤二中，所述采用机器学习中聚类算法对结构进行聚类，包括：设置聚类数目，聚类过程中将每个结构转化为特征矢量作为聚类的输入，晶体结构采用原子中心对称函数ACSFs转换为特征矢量；原子中心对称函数包含径向和角函数两部分，描述原子i径向环境的径向对称函数G2为函数G2是一个高斯函数乘以截止函数的求和；高斯函数的宽度用参数η来定义，高斯函数的中心通过参数Rs移动到一定的径向距离，移动的G2函数适用于描述参考原子周围的球壳，截断函数采用如下形式： 其中，Rij是原子i与原子j的距离，如果Rij大于截断半径Rc，截断函数和它的导数值为零；中心原子i的角函数是角的余弦函数的求和，表达式为： 其中，λ的值是+1或1，角度分辨率由参数ζ提供；ζ值越大，非零对称函数值的范围就越窄，故使用一组带有不同ζ值的角函数来获得以每个参考原子为中心的角的分布；角分布通过选择适当的η和Rc确定，用于控制径向部分；通过设置不同的参数值，用一系列函数G2和G4将中心原子的局部环境转化为特征矢量；将相同元素的原子特征矢量相加，得到同一元素的特征矢量，进而将不同元素的特征矢量按顺序拼接得到，通过计算两个结构的特征矢量之间的距离，即可定量描述两个结构的相似性；步骤三具体包括：从步骤二中每个聚类结果中选择一个结构用于下一步采用密度泛函理论优化；选择原则兼顾能量优先和多样性优先，第一代采用随机策略，从每个聚类结果中随机选择一个结构；第二代开始，采用已有机器学习势将每个聚类中结构按能量从低到高排序，从能量最低的结构开始选择，同时兼顾选择的结构与目前已采用密度泛函理论优化的结构之间的相似性，相似性计算采用步骤二说明的方法计算，当相似性大于设定值时，选择该结构，否则，选择能量排序第二的结构进行相似性判断，按照此步骤，直到选择出符合要求的结构；步骤六中，所述训练机器学习势模型，包括：采用集成的方式同时训练多个机器学习势模型，采用所有模型预测的平均值作为预测结果，每个机器学习势模型训练过程中同时训练结构对应的能量和力；其中，所述机器学习势模型采用后向传播神经网络BPNN；步骤七中，采用训练好的机器学习势模型优化没有弛豫的结构；优化后收敛的结构保存到机器学习势模型优化后收敛的结构集中供步骤九使用；优化后没有收敛的结构作为步骤二聚类结构的来源；步骤九中，满足终止条件后，将机器学习势模型优化后收敛的结构集进行按能量排序，选择出前K个结构采用步骤四更可靠的密度泛函理论方法验证；将验证后的K个结构加入采用密度泛函理论优化的结构集，最终将采用密度泛函理论优化的结构集中的结构按能量从低到高排序，选择前N个作为选择的热力学稳定的结构集。

全文数据：

权利要求：

百度查询： 中国科学院山西煤炭化学研究所 无序材料热力学稳定结构的预测推荐方法、设备、终端