[發(fā)明專利]通用力場(chǎng)數(shù)據(jù)庫(kù)及其更新方法和檢索方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810420916.0
• 申請(qǐng)日: 2018-05-04
• 公開（公告）號(hào): CN108804863A
• 公開（公告）日: 2018-11-13
• 發(fā)明（設(shè)計(jì)）人: 楊明俊;師雪坤;曹風(fēng)雷;孫廣旭;劉陽(yáng);張佩宇;馬健;賴力鵬;溫書豪
• 申請(qǐng)（專利權(quán)）人: 深圳晶泰科技有限公司
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 深圳市科吉華烽知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 胡玉

本發(fā)明屬于分子力場(chǎng)技術(shù)領(lǐng)域，具體為通用力場(chǎng)數(shù)據(jù)庫(kù)及其更新方法和檢索方法，包括模型層、視圖層、控制層；控制層包括數(shù)據(jù)采集模塊、數(shù)據(jù)清洗模塊、數(shù)據(jù)校驗(yàn)?zāi)K和數(shù)據(jù)檢索模塊；視圖層用Python封裝的SDK實(shí)現(xiàn)；控制層和視圖之間通信連接。該通用力場(chǎng)數(shù)據(jù)庫(kù)的更新方法，包括定期從公開的數(shù)據(jù)源獲取最新的元數(shù)據(jù)，根據(jù)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)更新從公開的數(shù)據(jù)源獲取目標(biāo)數(shù)據(jù)；還包括數(shù)據(jù)清洗、數(shù)據(jù)校驗(yàn)。檢索方法包括簡(jiǎn)單數(shù)據(jù)檢索和復(fù)雜數(shù)據(jù)檢索。本發(fā)明平衡了數(shù)據(jù)更新和數(shù)據(jù)檢索之間的性能平衡，全面豐富的數(shù)據(jù)，海量的數(shù)據(jù)存儲(chǔ)架構(gòu)，數(shù)據(jù)庫(kù)準(zhǔn)確度高很多，檢索速度快，檢索方式簡(jiǎn)潔。

技術(shù)領(lǐng)域

本發(fā)明屬于分子力場(chǎng)技術(shù)領(lǐng)域，具體為通用力場(chǎng)數(shù)據(jù)庫(kù)及其更新方法和檢索方法。

背景技術(shù)

力場(chǎng)技術(shù)是分子和晶體模擬中用來精確計(jì)算結(jié)構(gòu)和能量的計(jì)算技術(shù)。在力場(chǎng)的開發(fā)、優(yōu)化和具體使用中需要大量的數(shù)據(jù)，包括分子數(shù)據(jù)、分子片段數(shù)據(jù)、力場(chǎng)參數(shù)和原子類型相關(guān)數(shù)據(jù)、力場(chǎng)計(jì)算數(shù)據(jù)、量化計(jì)算的數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)、分子動(dòng)力學(xué)模擬數(shù)據(jù)等。目前還沒有集上述數(shù)據(jù)于一體的統(tǒng)一數(shù)據(jù)庫(kù)，只有獨(dú)立的分子數(shù)據(jù)庫(kù)和實(shí)驗(yàn)數(shù)據(jù)庫(kù)可供用戶選擇。最大的公開分子數(shù)據(jù)庫(kù)是PubChem。

在科學(xué)模擬計(jì)算中通常會(huì)用量化計(jì)算數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練、擬合、驗(yàn)證的標(biāo)準(zhǔn)數(shù)據(jù)。由于沒有集上述數(shù)據(jù)于一體的統(tǒng)一數(shù)據(jù)庫(kù)，所以為物理、化學(xué)和生物中的模擬計(jì)算相關(guān)的科學(xué)研究和生產(chǎn)研發(fā)帶來了很多困擾。當(dāng)前大家的普遍做法是從獨(dú)立的分子數(shù)據(jù)庫(kù)采集合適的分子，然后用這些分子去匹配另外的實(shí)驗(yàn)數(shù)據(jù)庫(kù)，接著自己做量化計(jì)算采集量化數(shù)據(jù)，最后將這些數(shù)據(jù)匯總到一起使用。在這個(gè)環(huán)節(jié)中弊端如下：

需要從不同的地方采集數(shù)據(jù)，容易出錯(cuò)，而且數(shù)據(jù)量大，時(shí)間長(zhǎng)，效率低；

各個(gè)地方采集來的數(shù)據(jù)格式都不同，如果要一起使用，需要做大量的數(shù)據(jù)清洗和整理工作，時(shí)間和人工成本非常高；

力場(chǎng)計(jì)算數(shù)據(jù)、量化計(jì)算數(shù)據(jù)、分子動(dòng)力學(xué)模擬數(shù)據(jù)市場(chǎng)上都沒有數(shù)據(jù)庫(kù)，用戶自己計(jì)算成本非常高；

單獨(dú)的數(shù)據(jù)庫(kù)沒有辦法對(duì)數(shù)據(jù)做交叉驗(yàn)證，所以很難保障數(shù)據(jù)的準(zhǔn)確性，從人工數(shù)據(jù)錄入到系統(tǒng)數(shù)據(jù)持久化都可能出現(xiàn)錯(cuò)誤，導(dǎo)致數(shù)據(jù)不準(zhǔn)。

發(fā)明內(nèi)容

針對(duì)上述技術(shù)問題，本發(fā)明提供一種效率高、成本低的通用力場(chǎng)數(shù)據(jù)庫(kù)，及其更新方法和檢索方法，具體技術(shù)方案為：

通用力場(chǎng)數(shù)據(jù)庫(kù)，包括模型層、視圖層、控制層的3層MVC架構(gòu)；

所述的模型層，數(shù)據(jù)存儲(chǔ)采用SQL+文件數(shù)據(jù)庫(kù)的混合架構(gòu)，核心數(shù)據(jù)包括SQL中的8張表，分別是分子表，分子片段表、力場(chǎng)參數(shù)表、原子類型表、力場(chǎng)計(jì)算數(shù)據(jù)表、量化計(jì)算數(shù)據(jù)表、實(shí)驗(yàn)數(shù)據(jù)表、分子動(dòng)力學(xué)模擬數(shù)據(jù)表；力場(chǎng)計(jì)算、量化計(jì)算、分子動(dòng)力學(xué)模擬的計(jì)算日志都是以文件的形式存儲(chǔ)在文件數(shù)據(jù)庫(kù)中的；

控制層包括4個(gè)核心模塊，分別為數(shù)據(jù)采集模塊、數(shù)據(jù)清洗模塊、數(shù)據(jù)校驗(yàn)?zāi)K和數(shù)據(jù)檢索模塊；所述的數(shù)據(jù)采集模塊對(duì)模型層有讀寫的權(quán)限；數(shù)據(jù)校驗(yàn)?zāi)K、數(shù)據(jù)檢索模塊對(duì)模型層只有讀的權(quán)限；數(shù)據(jù)清洗模塊只被數(shù)據(jù)采集模塊調(diào)用，對(duì)模型層沒有讀寫權(quán)限；

所述的視圖層用Python封裝的SDK實(shí)現(xiàn)；

控制層和視圖之間通信連接。

進(jìn)一步的，該通用力場(chǎng)數(shù)據(jù)庫(kù)的更新方法，所述的數(shù)據(jù)庫(kù)的更新包括兩種方式：定期從公開的數(shù)據(jù)源獲取最新的元數(shù)據(jù)，根據(jù)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)更新從公開的數(shù)據(jù)源獲取目標(biāo)數(shù)據(jù)；

所述的定期從公開的數(shù)據(jù)源獲取最新的元數(shù)據(jù)，包括以下過程：

(1)用戶通過SDK向數(shù)據(jù)采集模塊發(fā)送需要獲取數(shù)據(jù)的數(shù)據(jù)源地址，更新頻率，以及數(shù)據(jù)源中的數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)的對(duì)應(yīng)關(guān)系；

(2)數(shù)據(jù)采集模塊內(nèi)部持續(xù)運(yùn)行的定時(shí)器，根據(jù)用戶設(shè)定的更新頻率，定時(shí)器觸發(fā)更新，數(shù)據(jù)采集模塊主動(dòng)向數(shù)據(jù)源發(fā)送請(qǐng)求獲取數(shù)據(jù)；