[發明專利]用于模擬原子動態的方法和裝置

有效

• 申請號: 201811444034.4
• 申請日: 2018-11-29
• 公開（公告）號: CN111243680B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 汪留安;孫俊
• 申請（專利權）人: 富士通株式會社
• 主分類號: G16C10/00
• 分類號: G16C10/00;G16C20/70;G16C20/80;G06N3/0475;G06N3/094
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 杜誠;劉敏

公開了用于模擬原子動態的方法和裝置。該方法包括：設置特定場景下多個特定原子的初始位置；基于初始位置，利用針對特定場景配置的大規模原子分子并行模擬器(LAMMPS)計算多個特定原子在第一時間序列中的每個時刻的位置，作為真實位置；基于初始位置，利用生成式對抗網絡計算多個特定原子在第一時間序列中的每個時刻的位置，作為預測位置；基于相同時刻的真實位置和預測位置來改進生成式對抗網絡的配置；設置多個待模擬原子的初始位置；以及利用經改進的生成式對抗網絡，計算多個待模擬原子在第二時間序列中的每個時刻的位置。

技術領域

本發明涉及用于模擬原子動態的方法和裝置，更具體地，涉及利用深度神經網絡來模擬原子動態的方法和裝置。

背景技術

分子動力學的模擬旨在研究原子和分子的物理運動。隨著計算機技術的發展，分子動力學模擬及其工程應用越來越受到人們的重視。一方面，它能從本質上定量地探索機理和規律，另一方面，它又能促進研發工作向經濟、高效和有預見性的方向發展。

已知的用于分子動力學模擬的工具包括由桑迪亞國家實驗室開發的大規模原子分子并行模擬器(LAMMPS)。LAMMPS可以支持氣態、液態、固態相形態下的百萬級的原子分子體系。LAMMPS使用空間分解技術將模擬域劃分為小的三維子域，每個子域被分配給一個處理器進行處理。盡管如此，LAMMPS的模擬仍然需要大量的計算資源和時間。

另一方面，基于深度神經網絡的方法近年來已經在大量應用中取得了很大發展。這些方法通常是針對數據集來訓練深度神經網絡，然后將訓練好的神經網絡模型部署于實際應用中。

發明內容

本發明提出了一種利用深度神經網絡來進行分子動力學模擬的方案。根據本發明的一個方面，提供了一種用于模擬原子動態的方法，包括：設置特定場景下多個特定原子的初始位置；基于所述初始位置，利用針對所述特定場景配置的LAMMPS計算所述多個特定原子在第一時間序列中的每個時刻的位置，作為真實位置；基于所述初始位置，利用生成式對抗網絡計算所述多個特定原子在所述第一時間序列中的每個時刻的位置，作為預測位置；基于相同時刻的真實位置和預測位置來改進所述生成式對抗網絡的配置；設置多個待模擬原子的初始位置；以及利用經改進的生成式對抗網絡，計算所述多個待模擬原子在第二時間序列中的每個時刻的位置。

根據本發明的另一個方面，提供了一種用于模擬原子動態的裝置，包括：存儲器，以及一個或多個處理器，所述處理器被配置為：設置特定場景下多個特定原子的初始位置；基于所述初始位置，利用針對所述特定場景配置的LAMMPS計算所述多個特定原子在第一時間序列中的每個時刻的位置，作為真實位置；基于所述初始位置，利用生成式對抗網絡計算所述多個特定原子在所述第一時間序列中的每個時刻的位置，作為預測位置；基于相同時刻的真實位置和預測位置來改進所述生成式對抗網絡的配置；設置多個待模擬原子的初始位置；利用經改進的生成式對抗網絡，計算所述多個待模擬原子在第二時間序列中的每個時刻的位置。

根據本發明的又一個方面，提供了一種存儲有程序的記錄介質，所述程序在被計算機執行時，使得計算機實現如上所述的用于模擬原子動態的方法。

附圖說明

圖1示出了根據本發明的模擬原子動態的方法的總體流程圖。

圖2示出了用于訓練生成式對抗網絡的處理的流程圖。

圖3示出了生成式對抗網絡的示意性框圖。

圖4具體示出了圖2中的步驟S240的處理。

圖5示意性地示出了以神經網絡實現的生成單元。

圖6示意性地示出了以神經網絡實現的判別單元。

圖7示出了利用經訓練的生成式對抗網絡模擬原子動態的流程圖。

圖8示出了實現本發明的計算機硬件的示例性配置框圖。

具體實施方式