一种笼状团簇结构生成和性质预测算法

本发明涉及化学，尤其涉及一种笼状团簇结构生成和性质预测算法。

背景技术：

1、笼状团簇是一类重要的团簇结构，它是多面体形状。著名的c60就是一个笼状团簇，它是由五边形和六边形构成的多面体。很多笼状团簇具有奇特的性质，吸引了人们的关注，c60结构的发现还获得了诺贝尔奖。

2、除了笼状团簇本身，其衍生物也受到了人们的重视，例如原子替换、挂载官能团、笼内掺杂其他原子、笼状结构堆积等。笼状团簇的研究需要先生成他们的结构。

3、现今已有算法能生成笼状团簇的拓扑结构:plantri软件采用尺寸递归的方式能生成各种笼状结构的拓扑连接。但由拓扑连接如何得到三维结构是个难题。有了三维结构，可以用第一性原理软件计算其各种性质。但随着尺寸的增大，异构体个数迅速增加。由于第一性原理软件计算比较耗时，因此从海量的异构体中找出给定性质的结构越来越难。如何迅速计算笼状结构的性质也是一个亟待解决的问题。

技术实现思路

1、本发明提出了一种笼状团簇结构生成和性质预测算法，用于解决如何迅速从海量的异构体中找出给定性质的笼状结构的问题。

2、为了解决上述问题，本发明提供了一种笼状团簇结构生成和性质预测算法，包括以下步骤：

3、s1、三维结构的生成算法：采用多面体生成软件生成给定尺寸多面体的全部多面体，计算其拓扑距离矩阵，由该距离矩阵算出嵌入三维空间的坐标，将该坐标做力场优化得到初步合理结构；

4、s2、性质预测算法：将所得到的所有初步合理结构用第一性原理软件优化分别得到其性质数据，将性质数据作为数据集训练神经网络，得到笼状结构初始特征的提取方式以及一种包含连接顺序的图神经网络，最后将初始特征送入图神经网络，得到性质的预测值。

5、首先生成给定尺寸笼状团簇对偶图的所有拓扑连接。一个多面体的对偶结构另一个多面体，它是在该多面体的每个面的中心放一个点，若两个面相邻，则连接这两个点，由此得到一个新的多面体。对偶多面体就是将原多面体的面变成点、点变成面。对偶多面体的对偶就是原结构。若一个多面体每个顶点的度均为3，则对偶多面体是一个三角多面体。通常对偶多面体更容易处理，因此这里的研究对象为对偶多面体。

6、在本发明的一个优选实施方式中，s1中三维结构的生成算法具体步骤为：

7、首先，由拓扑连接生成一个粗糙的三维结构，若两个点相邻，则记其拓扑距离为1，采用floyd算法计算两两距离dij，令：

8、

9、其中n为顶点个数；

10、

11、i为单位矩阵，1＝(1,…,1)t；

12、

13、对b做奇异值分解：

14、b＝uλut，

15、则嵌入三维空间的坐标矩阵：

16、

17、其中：

18、

19、将生成的坐标利用力场优化，即可得到初步合理的三维坐标，定义力场由弹簧弹力和粒子排斥力组成，若两个点拓扑邻接，则其距离在键长附近，定义其受到一个弹力：

20、fij＝k(|rij|-d0)rij，

21、其中rij为点i点到j点的坐标差，d0为键长，若两个点不邻接，则定义其受到一个排斥力：

22、

23、弹力和排斥力对应的势能为：

24、

25、其中mij为掩码，当i，j点邻接时取1，不邻接时取0；以上面生成的坐标x作为初始值，利用bfgs算法对能量做局域优化，得到优化后的坐标，此坐标即为初步合理结构。

26、在本发明的一个优选实施方式中，s2中性质预测算法具体步骤为：

27、利用s1中得到的初步合理结构，用第一性原理计算得到所关心的性质，生成数据集；接着采用图神经网络预测性质，以对偶图的拓扑连接为输入，无需考虑边的特征，根据研究体系不同从而选择不同的初始点特征；

28、对于c富勒烯，它是由五边形和六边形构成的多面体，非经典富勒烯还可能包含四边形和七边形。其对偶图为三角多面体，以顶点的度为初始的点特征。对于c富勒烯替换c原子的体系，所有可能的环有8种，以每种的编号为初始特征。

29、图神经网络层将邻接点的信息汇聚到中心节点i，与一般的图神经网络网络不同，这里的邻接点是有顺序的。为此，提出了一种改进的包含邻接点顺序信息的图卷积操作。考虑中心节点i的连续3个邻接点j-1，j，j+1，将节点j的特征hj与其左右邻接点特征hj-1和hj+1拼接，得到hj||(hj-1+hj+1)，随后接全连接层和激活层，将其映射为新的向量gj，再用一般的图卷积操作将邻接点特征汇聚到中心节点i：

30、

31、其中gl为上面得到的所有点特征g组成，wl为第l层图卷积层的权重矩阵，为激活函数，hl+1为图卷积层输出的下一层点特征，为邻接矩阵a得到的矩阵；

32、

33、若初始点特征为整数，则网络用一个嵌入层将其转为向量，之后接2个图卷积层，再接全连接层将点的特征向量转为1维，最后将n个点的特征相加，输出1个数作为性质的预测值。

34、实施本发明，具有如下有益效果：

35、本发明由笼状团簇的拓扑连接出发，设计了图神经网络算法，也能预测其性质；针对不同的笼状团簇力体系，设计了不同的初始特征产生方式；图神经网络能快速预测笼状团簇的性质，从而能迅速的从海量异构体中找到具有给定性质的结构，给后续的笼状团簇结构的分析研究提供了良好的基础。

1.一种笼状团簇结构生成和性质预测算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的笼状团簇结构生成和性质预测算法，其特征在于，所述s1中三维结构的生成算法具体步骤为：

3.根据权利要求1所述的笼状团簇结构生成和性质预测算法，其特征在于，所述s2中性质预测算法具体步骤为：