一种晶体结构能量的搜索方法、装置、设备及可读介质与流程

本发明涉及材料，特别是涉及一种晶体结构能量的搜索方法、装置、设备及可读介质。

背景技术：

1、在给定晶体结构的化学组分和晶体结构所受的外部压力的情况下，不同的原子排列顺序的晶体结构具有不同的能量。不同原子排列顺序的晶体结构和对应的能量可以构成一个势能面，势能面上的能量最小值对应的原子排列顺序的晶体结构是最稳定的晶体结构。

2、现有技术下，通常采用第一性原理来搜索势能面上的能量最小值，然而在对大体系的晶体结构对应的势能面的搜索中，晶体结构搜索软件采用第一性原理进行势能面上能量最小值的搜索所需的计算时间和计算资源随着原子数量的增长呈指数增长。除此之外，大体系的晶体结构的势能面较复杂，势能面上能量极小值随着势能面函数的维度的增加呈指数增加，对势能面上的能量最小值的搜索的效率较低。

技术实现思路

1、本发明实施例是提供一种晶体结构能量的搜索方法、装置、电子设备及可读介质，以解决在对大体系的晶体结构对应的势能面的搜索中，采用第一性原理进行势能面上能量最小值的搜索所需的计算时间和计算资源随着原子数量的增长呈指数增长以及对势能面上的能量最小值的搜索的效率较低的问题。

2、本发明实施例公开了一种晶体结构能量的搜索方法，所述方法包括：

3、将预设的多个训练晶体结构、所述多个训练晶体结构中每一个训练晶体结构受到的预设外力以及所述多个训练晶体结构的中能量最小的晶体结构作为第一样本；

4、将所述第一样本分为多个批次；

5、采用所述第一样本按批次训练所述神经网络模型，得到晶体结构搜索模型；

6、获取至少一个待搜索的晶体结构；

7、将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的能量最小的晶体结构。

8、可选地，所述将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的能量最小的晶体结构的步骤，还包括：

9、将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的所述晶体结构的能量。

10、可选地，所述方法还包括：

11、在所述输出的所述晶体结构的能量超出预设的能量范围的情况下，继续训练所述神经网络模型，直至所述神经网络模型输出的晶体结构的能量满足预设的能量范围，得到晶体结构搜索模型。

12、可选地，所述方法还包括：

13、计算所述批次；

14、若所述批次超过预设的最大次数，降低所述晶体结构的自由度。

15、可选地，所述降低所述晶体结构的自由度的步骤，还包括：

16、将所述晶体结构转换为图像。

17、可选地，所述晶体结构包括原子以及原子之间的键；所述将所述晶体结构转换为图像的步骤，还包括：

18、将所述原子转换为所述图像上的点；

19、将所述原子之间的键转换为所述图像上的边；

20、将所述晶体结构转换为图g(e，v)；其中，v是所述图像上的点，e是所述图像上的边；

21、将所述图g(e，v)转换为商图qg(v，e)；其中，v为{v1,v2,…,vn}，v是顶点集合，e为{vi→lvj|(ni(l+l0),ni(l0))∈v(ng)}，e是边集合，l和l0为整数，i和j用于表示原子，n用于表示原子的个数。

22、可选地，所述降低所述晶体结构的自由度的步骤，还包括：

23、计算所述边的边介数中心性值；

24、移除所述边界数中心性值最大的边对应的原子之间的键。

25、本发明实施例公开了一种晶体结构能量的搜索装置，所述装置包括：

26、作为模块，用于将预设的多个训练晶体结构、所述多个训练晶体结构中每一个训练晶体结构受到的预设外力以及所述多个训练晶体结构的中能量最小的晶体结构作为第一样本；

27、分为模块，用于将所述第一样本分为多个批次；

28、训练模块，用于采用所述第一样本按批次训练所述神经网络模型，得到晶体结构搜索模型；

29、获取模块，用于获取至少一个待搜索的晶体结构；

30、输入模块，用于将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的能量最小的晶体结构。

31、可选地，所述输入模块，还包括：

32、输入子模块，将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的所述晶体结构的能量。

33、可选地，所述装置还包括：

34、训练子模块，在所述输出的所述晶体结构的能量超出预设的能量范围的情况下，继续训练所述神经网络模型，直至所述神经网络模型输出的晶体结构的能量满足预设的能量范围，得到晶体结构搜索模型。

35、可选地，所述装置还包括：

36、计算模块，用于计算所述批次；

37、降低模块，用于若所述批次超过预设的最大次数，降低所述晶体结构的自由度。

38、可选地，所述降低模块，还包括：

39、转换子模块，用于将所述晶体结构转换为图像。

40、可选地，所述晶体结构包括原子以及原子之间的键；所述转换子模块，还包括：

41、第一转换单元，用于将所述原子转换为所述图像上的点；

42、第二转换单元，用于将所述原子之间的键转换为所述图像上的边；

43、第三转换单元，用于将所述晶体结构转换为图g(e，v)；其中，v是所述图像上的点，e是所述图像上的边；

44、第四转换单元，用于将所述图g(e，v)转换为商图qg(v，e)；其中，v为{v1,v2,…,vn}，v是顶点集合，e为{vi→lvj|(ni(l+l0),ni(l0))∈v(ng)}，e是边集合，l和l0为整数，i和j用于表示原子，n用于表示原子的个数。

45、可选地，所述降低模块，还包括：

46、计算子模块，用于计算所述边的边介数中心性值；

47、移除子模块，用于移除所述边界数中心性值最大的边对应的原子之间的键。

48、本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；

49、所述存储器，用于存放计算机程序；

50、所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。

51、本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。

52、本发明实施例包括以下优点：

53、在本发明实施例中，将预设的多个训练晶体结构、所述多个训练晶体结构中每一个训练晶体结构受到的预设外力以及所述多个训练晶体结构的中能量最小的晶体结构作为第一样本；将所述第一样本分为多个批次；采用所述第一样本按批次训练所述神经网络模型，得到晶体结构搜索模型；获取至少一个待搜索的晶体结构；将所述待搜索的晶体结构输入所述晶体结构搜索模型中，获取所述晶体结构搜索模型输出的能量最小的晶体结构。本发明实施例将机器学习与晶体结构能量的搜索相结合，利用机器学习力场搜索最稳定的晶体结构，提升了对大体系的晶体结构的中最稳定的晶体结构能量的搜索速度，同时结合图论降低晶体结构的自由度，减少了晶体结构搜索软件对势能面上能量最小值的搜索所需的计算时间和计算资源，降低了晶体结构搜索软件的计算成本。