[發明專利]毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法

在審

• 申請號: 202210807608.X
• 申請日: 2022-07-11
• 公開（公告）號: CN115527631A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 喬智威;王雯菲
• 申請（專利權）人: 廣州大學
• 主分類號: G16C60/00
• 分類號: G16C60/00;G16C20/70;G16C20/90;G06N5/00;G06N20/00
• 代理公司: 廣州高炬知識產權代理有限公司 44376
• 代理人: 孔令環

1.毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，包括以下步驟：

S1、通過巨正則蒙特卡洛模擬得到金屬有機框架材料(MOF)的幾何描述符、能量描述符，以及MOF對體系中DMMP的吸附性能，基于以上參數建立數據集；

S2、把數據集劃分為訓練集和測試集；

S3、選擇機器學習算法，運用訓練集迭代地訓練機器學習模型，并調整模型的超參數，直至模型預測MOF材料的權衡值的準確程度滿足精度要求；

S4、將測試集中的描述符參數作為模型輸入，利用訓練好的模型預測測試集數據對應的權衡值，并計算預測的準確程度，以及定量描述模型對不同描述符的預測能力。

2.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S1中，體系是混合有DMMP、N2、O2的空氣體系，MOF對空氣中的DMMP的吸附。

3.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S1中，選擇的MOF為實驗已合成的6013種CoRE-MOF。

4.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S1中，MOF的幾何描述符分別是孔隙率、最大孔徑、體積比表面積、限制孔隙直徑、密度；能量描述符為吸附熱和亨利系數。

5.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S1中，MOF的吸附性能包括其對DMMP的吸附量、選擇性，以及吸附量和選擇性的權衡值。

6.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S2中，數據集按照比例劃分為訓練集和測試集。

7.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S3中，選擇的機器學習算法包括但不僅限于自動機器學習、隨機森林、梯度提升決策樹和梯度提升回歸算法；所述步驟S3中調整模型超參數包括但不僅限于隨機搜索、網格搜索。

8.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S3和步驟S4中，評價準確性的指標為Pearson線性相關系數R值、平均絕對誤差MAE和均方根誤差RMSE。

9.根據權利要求1所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述步驟S1、步驟S2、步驟S3和步驟S4中毒劑模擬劑DMMP提純金屬有機框架吸附劑的預測方法設置在機器內，且機器內設置有機器學習系統。

10.根據權利要求9所述的毒劑模擬劑DMMP提純金屬有機框架吸附劑的機器學習方法，其特征在于，所述機器內包括有處理器、存儲處理器和可執行程序的存儲器。