量子化学与人工智能计算在分子键能中的研究成果

(二)研究内容

根据热化学和热力学的习惯，化学键能被定义为键离解反应的焓变，它是分子的热化学性质之一。通常把键离解能(焓)称为键能。键能值越高，表示分子的化学稳定性越高；键能值越低，表示分子的化学稳定性越差。在化学热力学里，化学键能值的高低，基本上控制了许多反应速度的快慢，也确定了相应化学反应的机理。精确测量不同分子、离子、自由基、超分子、络合物、氢键合物以及表面键合物中化学键能是非常困难的工作。尽管测量键能的实验方案和手段很先进，但结果却不尽如人意。其原因是化学键离解以后的碎片大多数是寿命极短、浓度很低的反应活性中间体，如自由基等。要捕捉和检测这些活性碎片很困难，如要定量测定这些痕量碎片的浓度并研究相应键离解过程与温度的定量关系就更难了。

应用多种人工智能算法预测分子键能值，探讨各种人工智能算法的优越性，并寻找选择主要的分子物理参数。期望能在较少的机时和计算资源下得到更加精确的计算结果，或者在现有计算条件下，预测目前计算能力达不到的计算精度。具体研究内容主要包括以下几个部分：

1)选择数据集

建立大量分子键能的实验数据，构建分子模型，应用量子化学计算方法进行理论计算，从输出结果中获取充足的特征参数。现在已经建立了92个数据分子模型，分子体系的理论计算值已经求得。

2)选择不同精度的量子化学计算方法(www.xing528.com)

根据具体数据集的需要选择不同的量子化学计算方法进行理论计算，并着重研究各量子化学计算方法对不同类型数据的选择，在同一量子计算方法下研究不同的基组对于不同类型数据的选择。选用不同的量子化学计算方法来寻找基于智能算法的最优组合，拟选用的量化方法有：密度泛函理论等。还将选用不同的基组来寻找基于人工智能算法的最优组合，拟选用的基组有：6-31G(d)，STO-3G等。

3)参数选择

参数的选择是一个非常费时和复杂的工作，然而，参数选择对模型的稳定性及准确性有着至关重要的作用。从统计学的角度出发，希望用尽可能少的参数来表征尽可能多的结构信息，过多的参数不仅会增加计算量，还会导致所建立的数学模型不稳定，使模型的预测结果变差。同时，用不同的参数的组合所得的结果可能差别很大，也需要采用一定的算法对参数进行选择。由于许多参数之间的相关性及相关程度不能确定，通常先根据物理化学的选取标准尽可能把一切可能有关又易于获得的特征参数提取出来，然后借助统计方法，筛选适合的参数建立模型。

4)回归算法的选择和优化

回归算法直接决定了模型质量，模型的构建包括三个步骤：训练、评估和检验。在一般情况下，数据集分为训练集、交互检验集和测试集三部分。从训练集中得到一个模型，交互检验集就用来检验模型的预测能力，并且用来优化模型的参数。最后模型需要一个独立的数据集进行检验，这个数据集称为测试集。其所包含的化合物对模型来说应该是完全未知的，也就是说，它不包含在训练集和交互检验集中。