[發(fā)明專利]一種無參數(shù)局域結(jié)構(gòu)識別方法

有效

• 申請?zhí)枺?/td>: 202010261050.0
• 申請日: 2020-04-03
• 公開（公告）號: CN111462832B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計(jì)）人: 田澤安;潘佳銘;李肯立;余艾冰;董科軍
• 申請（專利權(quán)）人: 湖南大學(xué)
• 主分類號: G16C20/20
• 分類號: G16C20/20;G16C60/00
• 代理公司: 國防科技大學(xué)專利服務(wù)中心 43202
• 代理人: 王文惠

本發(fā)明涉及圖論領(lǐng)域，主要用于對物質(zhì)的原子(分子)層次的微觀結(jié)構(gòu)分析、顆粒體系的組織結(jié)構(gòu)分析和體系的基本結(jié)構(gòu)單元在空間的分布特征分系，屬于計(jì)算機(jī)在物質(zhì)結(jié)構(gòu)分析方面的應(yīng)用。對于同一體系，不同的截?cái)嗑嚯x會得到不同的表征符號，導(dǎo)致結(jié)構(gòu)分析結(jié)果的不唯一性。本發(fā)明公開了一種無參數(shù)局域結(jié)構(gòu)識別方法，此方法基于拓?fù)渑袚?jù)實(shí)現(xiàn)無參數(shù)微觀結(jié)構(gòu)的分析，可以唯一確定以每個原子為中心的局域結(jié)構(gòu)，以確保微觀結(jié)構(gòu)的表征符號與其空間構(gòu)型的一一對應(yīng)。本發(fā)明的分析方法可以根據(jù)物質(zhì)本身的結(jié)構(gòu)計(jì)算出適合該物質(zhì)的截?cái)嗑嚯x，截?cái)嗑嚯x的計(jì)算不受物質(zhì)類型、形態(tài)的影響。

技術(shù)領(lǐng)域：

本發(fā)明涉及圖論，典型應(yīng)用是物質(zhì)液態(tài)熔體、金屬玻璃、膠體溶液、隨機(jī)顆粒填充體系等復(fù)雜系統(tǒng)的靜態(tài)微觀結(jié)構(gòu)分析，主要用于對物質(zhì)的原子(分子)層次的微觀結(jié)構(gòu)分析、顆粒體系的組織結(jié)構(gòu)分析或者體系的基本結(jié)構(gòu)單元在空間的分布特征分析，屬于計(jì)算機(jī)技術(shù)在物質(zhì)結(jié)構(gòu)分析領(lǐng)域的應(yīng)用。

背景技術(shù)：

物質(zhì)結(jié)構(gòu)決定物質(zhì)性質(zhì)，對于物質(zhì)結(jié)構(gòu)的數(shù)學(xué)描述是研究物質(zhì)性質(zhì)的基礎(chǔ)。

在群論等數(shù)學(xué)和材料理論的基礎(chǔ)上，理想晶體材料的結(jié)構(gòu)已能精確表征：3個晶族，7大晶系，14種布拉菲格子，32種點(diǎn)群和230空間群。但原子無規(guī)則分布的非晶態(tài)體系的結(jié)構(gòu)描述一直是數(shù)學(xué)、物理學(xué)、材料科學(xué)的難題。

實(shí)驗(yàn)表明非晶態(tài)材料的原子并非數(shù)學(xué)上的隨機(jī)分布，而是存在大量的局域有序結(jié)構(gòu)。如圖1所示，圖中描述了三種不同的體系中以任意一個原子為中心找到其他原子的概率密度(對分布函數(shù)，PDF或g(r))，對于完全隨機(jī)分布的粒子體系，g(r)函數(shù)的圖像應(yīng)該是一條取值為1的水平直線；對于理想晶體則是包含一些豎直線段的譜線結(jié)構(gòu)。圖1中的三條曲線都存在巨大的分布起伏，表明金屬液體，金屬玻璃和顆粒隨機(jī)填充體系內(nèi)，基本結(jié)構(gòu)單元(原子、分子、顆粒)都不是數(shù)學(xué)上的隨機(jī)分布，而是有微觀結(jié)構(gòu)的體系。

為了描述非晶態(tài)體系內(nèi)的局域結(jié)構(gòu)，人們嘗試了許多方法。主要有Voronoi多面體分析法及其對偶Delaunay四面體分析法、Honeycutt和Andersen提出的鍵對分析法(HA-Pair)以及公用近鄰分析法(common neighbors analysis,CNA)等幾種方法。其中HA-Pair分析法和CNA都是以原子對及其公有近鄰構(gòu)成的局域結(jié)構(gòu)為基礎(chǔ)表征物質(zhì)的結(jié)構(gòu)特征。此類方法中，如果兩個原子i和j的距離d_ij小于預(yù)先給定的截?cái)嗑嚯xr_cut，即d_ijr_cut時(shí)，它們互為近鄰，或它們之間成鍵(bond)。此類方法中的基本結(jié)構(gòu)單元叫共有近鄰子團(tuán)簇(commonneighbor sub-cluster,CNS)，如圖2(a)所示，它是由圖2(b)中一對稱為參考原子對(reference pair,RP)的原子及圖2(c)中其共有近鄰(common near neighbors,CNNs)構(gòu)成。此方法中使用形如“Sijk”的形式的CNS-index表征一個(種)CNS的結(jié)構(gòu)，其中i表示在此CNS中CNN的數(shù)目，j表示i個CNNs之間的鍵的數(shù)目，k表示i個CNNs之間j根鍵構(gòu)成的最長鏈的長度。例如圖2(c)中5個CNN，構(gòu)成3根鍵，其中最長的有2根鍵，則其結(jié)構(gòu)可以用“S532”表征。但是這種方法中存在著一個問題：截?cái)嗑嚯xr_cut越大，每個原子的近鄰原子就越多，反之就越少；然而原子的近鄰原子數(shù)目的不同，得到的局域結(jié)構(gòu)就不一樣。如圖3所示，表征符號為S211的共有近鄰子團(tuán)簇只有一對參考原子對的共有近鄰，但是隨著r_cut的增大，其共有近鄰數(shù)目增加，并且共有近鄰之間的連接關(guān)系也變得復(fù)雜，根據(jù)CNS-index的規(guī)定，此時(shí)該CNS的表征符號為S444(如圖3(c)所示)。所以對于同一體系，使用不同的截?cái)嗑嚯xr_cut會得到不同的結(jié)構(gòu)及表征符號，因此導(dǎo)致結(jié)構(gòu)分析結(jié)果依賴于預(yù)置的參數(shù)r_cut的具體取值，不具備唯一性。

這種由于預(yù)置不同的截?cái)嗑嚯xr_cut，導(dǎo)致結(jié)構(gòu)分析結(jié)果的不確定性與自然科學(xué)的客觀性相悖，因此版方法提出了一種不依賴任何預(yù)置參數(shù)并且能唯一確定以每個原子為中心的局域結(jié)構(gòu)的分析方法。

發(fā)明內(nèi)容：