[發(fā)明專利]一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010936320.3
• 申請日: 2020-09-08
• 公開（公告）號: CN112100896A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 仲林林;顧琦;鄭尚直
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G16C20/20
• 代理公司: 北京同輝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11357
• 代理人: 王依

1.一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，包括如下步驟：

步驟1，根據(jù)待預(yù)測的第一氣體分子，選擇比第一氣體分子的原子數(shù)少的第二氣體分子作為訓(xùn)練集氣體分子，所述第二氣體分子與第一氣體分子所含元素種類相同；

步驟2，計算訓(xùn)練集氣體分子電離碰撞截面；

步驟3，選擇機器學(xué)習(xí)模型；

步驟4，在所述機器學(xué)習(xí)模型中建立f(X)＝y(tǒng)的映射關(guān)系，所述X為表征氣體分子電離碰撞截面的特征向量，所述y為氣體分子電離碰撞截面；

步驟5，根據(jù)所述特征向量和訓(xùn)練集氣體分子電離碰撞截面訓(xùn)練機器學(xué)習(xí)模型；

步驟6，在所述機器模型中輸入第一氣體分子的特征向量，預(yù)測第一氣體分子電離碰撞截面。

2.根據(jù)權(quán)利要求1所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，

步驟11，所述第二氣體分子可通過構(gòu)造方式獲得，所述構(gòu)造方式包括通過移除第一氣體分子的至少一個組成原子來構(gòu)造第二氣體分子。

3.根據(jù)權(quán)利要求1所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，所述步驟2的具體過程包括：

步驟21，首先應(yīng)用基于APF-D泛函的密度泛函理論方法對訓(xùn)練集氣體分子的結(jié)構(gòu)進行優(yōu)化，得出優(yōu)化訓(xùn)練集氣體分子；

步驟22，應(yīng)用APF-D/aug-cc-pvtz量子化學(xué)計算模型計算所述優(yōu)化訓(xùn)練集氣體分子的結(jié)合能和動能，所述結(jié)合能包括價層電子軌道結(jié)合能和非價層電子軌道結(jié)合能；

步驟23，應(yīng)用電子傳播子理論EPT方法對所述價層電子軌道結(jié)合能進行修正，得出修正價層電子軌道結(jié)合能；

步驟24，采用完備基組方法計算優(yōu)化訓(xùn)練集分子的電離能；

步驟25，將所述修正價層電子軌道結(jié)合能、非價層電子軌道結(jié)合能、動能和電離能輸入BEB模型計算訓(xùn)練集氣體分子電離碰撞截面。

4.根據(jù)權(quán)利要求1所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，所述X包括入射電子能量和電子數(shù)，X和y的結(jié)構(gòu)如下：

所述n為數(shù)據(jù)組數(shù)，所述x_n,1為第n組入射電子能量，所述x_n,2為第n組電子數(shù)，所述y_n為第n組氣體分子電離碰撞截面值。

5.根據(jù)權(quán)利要求4所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面計算方法，其特征在于，所述步驟4中入射電子能量的范圍可選擇10～5000eV，以對數(shù)等量增量的形式從10～5000eV中可選擇500組數(shù)據(jù)，則X為500×2的矩陣，y為500×1的向量。

6.根據(jù)權(quán)利要求5所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，所述第n組氣體分子電離碰撞截面值以10^-20m²為單位，所述第n組電子數(shù)乘上常數(shù)0.01。

7.根據(jù)權(quán)利要求6所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，所述機器學(xué)習(xí)模型包括支持向量機模型、神經(jīng)網(wǎng)絡(luò)模型、隨機森林模型。

8.根據(jù)權(quán)利要求7所述的一種基于機器學(xué)習(xí)的氣體分子電離碰撞截面預(yù)測方法，其特征在于，所述步驟3的具體過程包括：

步驟31，選擇支持向量機模型；

步驟32，對支持向量機模型參數(shù)進行尋優(yōu)，選擇最優(yōu)參數(shù)，所述支持向量機模型參數(shù)包括懲罰因子和核函數(shù)參數(shù)。