[發明專利]一種高甲烷吸附率MOFs生成與篩選的方法在審
| 申請號： | 202010374619.4 | 申請日： | 2020-05-06 |
| 公開（公告）號： | CN111755081A | 公開（公告）日： | 2020-10-09 |
| 發明（設計）人： | 盧罡;郭安然;陽慶元;李睿琪 | 申請（專利權）人： | 北京化工大學 |
| 主分類號： | G16C60/00 | 分類號： | G16C60/00;G06K9/62;G06N3/04;G06N3/08;G06N7/00;G06N20/10;G01N33/00 |
| 代理公司： | 北京太兆天元知識產權代理有限責任公司 11108 | 代理人： | 王宇 |
| 地址： | 100029 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 甲烷 吸附 mofs 生成 篩選 方法 | ||
1.一種高甲烷吸附率MOFs生成與篩選的方法，其特征在于，包括以下步驟：
1)計算SMILES表示形式；
2)使用SMILES計算分子指紋；
3)構建并訓練RNN模型生成假設性MOFs的SMILES表示形式；
4)構建評估模型判斷RNN模型生成樣本的有效性；
5)篩選性能最佳分類器；
6)通過性能最佳分類器對評估有效的MOFs的假設樣本進行甲烷吸附性能的預測以篩選出高甲烷吸附率的假設性MOFs。
2.根據權利要求1所述的高甲烷吸附率MOFs生成與篩選的方法，其特征在于，所述步驟2)中分子指紋形式包括MACCS、RDKit、Morgan和Avalon。
3.根據權利要求2所述的高甲烷吸附率MOFs生成與篩選的方法，其特征在于，所述步驟3)中，RNN模型采用最原始的輸入和輸出序列等長的結構，采用LSTM提升模型處理長期依賴的能力，模型的損失函數采用交叉熵。
4.根據權利要求3所述的高甲烷吸附率MOFs生成與篩選的方法，其特征在于，所述步驟4)中，首先計算數據集內每個樣本的MACCS、RDkit、Morgan和Avalon分子指紋的Tanimoto系數以衡量最大相似度，并求其平均值得到相應數據分布圖，再計算RNN模型生成樣本與數據集內樣本的MACCS、RDkit、Morgan和Avalon分子指紋的平均最大相似度，最后設定置信區間，若生成樣本的計算結果在對應置信區間內，則認為生成樣本屬于有效MOFs的假設樣本。
5.根據權利要求4所述的高甲烷吸附率MOFs生成與篩選的方法，其特征在于，所述步驟5)具體為：將數據集內大部分樣本作為訓練集，另一部分樣本作為測試集，運用卷積神經網絡、長短期記憶網絡、多層感知機、樸素貝葉斯、k最鄰近、邏輯回歸、支持向量機分類器，結合訓練集內的SMILES表示形式和分子指紋輸入數據對MOFs的甲烷吸附率的高低進行訓練，使用測試集內的數據對計算出的各分類器的準確率、精確率、召回率、F1分數、AUC分類指標進行度量以篩選出綜合性能最佳的分類器。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京化工大學，未經北京化工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010374619.4/1.html，轉載請聲明來源鉆瓜專利網。
