CN112382352B

CN112382352B - 基于机器学习的金属有机骨架材料结构特征快速评估方法

Info

Publication number: CN112382352B
Application number: CN202011192370.1A
Authority: CN
Inventors: 吴颖; 段海鹏; 奚红霞
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2020-10-30
Filing date: 2020-10-30
Publication date: 2022-12-16
Anticipated expiration: 2040-10-30
Also published as: CN112382352A

Abstract

本发明公开了一种基于机器学习的金属有机骨架材料结构特征快速评估方法，包括先采集金属有机骨架材料的几何结构特征参数以及对其产生影响的描述符参数，基于几何结构特征参数和描述符参数建立数据集；然后把数据集划分成训练集和测试集，对训练集和测试集中的数据进行标准化预处理；接着选择机器学习算法，基于训练集迭代地调节模型的超参数，直至模型预测MOFs材料结构特征的准确性满足精度要求；最后将测试集中的描述符参数作为模型输入，利用训练好的模型预测测试集数据对应的结构特征，并计算预测的准确性，以定量描述模型对不同结构特征的预测能力。本发明可快速高效地评估材料结构。

Description

基于机器学习的金属有机骨架材料结构特征快速评估方法

技术领域

本发明涉及材料结构特征评估技术领域，特别涉及一种基于机器学习的金属有机骨架材料结构特征快速评估方法。

背景技术

金属有机骨架材料(MOFs)作为一种新型的多孔材料，比表面积巨大，且孔道结构和功能高度可控，能够针对不同的应用领域调整孔道环境，在吸附、分离、催化、药物运输等多个领域表现出巨大的应用潜力。有文献报道指出，MOFs材料中不同的结构特征(孔径、孔容、比表面积、孔隙率等)能直接影响其诸多物理化学性质和力学性质，比如疏水性、吸附分离性能、抗杂质能力、热力学稳定性、机械稳定性等，这些性质甚至会进一步影响材料的加工成型、实际应用性能和使用寿命。因此，对MOFs材料定量构效关系的深入研究，将有助于理解和掌握影响材料性能的因素和规律，对开发高性能的MOFs材料具有重要意义。

然而，MOFs材料的结构组成单元(包括金属簇和有机配体)和拓扑学结构种类繁多，到目前为止报道合成的MOFs材料已高达7万种，仅依靠传统的实验手段表征材料的结构特征，所消耗的实验时间和成本将大大限制MOFs材料的发展和应用。通过计算机理论计算材料的结构特征作为一种高效可靠的研究手段，能够有效补充实验表征技术的不足，加速高性能MOFs材料的研发进程，因此越来越受到研究者的关注。

基于计算机理论计算材料结构特征的方法主要有两种，(1)伪实验表征方法，先采用蒙特卡洛算法模拟氮气吸附，然后采用BET理论推导出孔径分布、比表面积等；(2)虚拟探针方法，即假想一个刚性小球作为探针，利用蒙特卡洛算法滚动遍历材料孔道内部，从而推算出材料的孔容、孔隙率等。这两种理论计算材料孔道结构的方法都基于蒙特卡洛算法，一方面计算结果会受到模拟力场和温度的影响，另一方面计算精度与计算迭代次数有关，迭代次数增加，结果更精确(收敛)，但是计算耗时也更长。面对数量日益增多的MOFs材料，传统的计算机模拟计算方法也逐渐开始受到计算资源和计算时间成本的制约。因此，本领域迫切需要一种更加快速高效的MOFs材料结构特征评估方法，力图能够补充传统实验表征和模拟计算技术的不足，实现规模化采集材料的结构特征数据，为研究MOFs的定量构效关系提供高质量的材料学信息。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提供一种基于机器学习的金属有机骨架材料结构特征快速评估方法，该方法可快速高效地评估材料结构。

本发明的第二目的在于提供一种计算机可读存储介质。

本发明的第三目的在于提供一种计算设备。

本发明的第一目的通过下述技术方案实现：一种基于机器学习的金属有机骨架材料结构特征快速评估方法，包括如下步骤：

S1、采集金属有机骨架材料的几何结构特征参数以及对几何结构特征参数产生影响的描述符参数，基于几何结构特征参数和描述符参数建立数据集；

S2、把数据集划分成训练集和测试集；

S3、对训练集和测试集中的数据进行标准化预处理；

S4、选择机器学习算法，基于训练集迭代地调节模型的超参数，直至模型预测MOFs材料结构特征的准确性满足精度要求；

S5、将测试集中的描述符参数作为模型输入，利用训练好的模型预测测试集数据对应的结构特征，并计算预测的准确性，以定量描述模型对不同结构特征的预测能力。

优选的，步骤S1中，几何结构参数包括材料的准入孔径、最大孔径、质量比表面积、体积比表面积、孔容、准入孔隙率。

优选的，描述符参数包括晶体参数、金属类型、金属簇数量、配体数量、配体近邻数、骨架拓扑类型和MOFs材料中原子的径向分布曲线，晶体参数是指晶胞三维尺寸a、b、c和夹角alpha、beta、gamma。

优选的，步骤S2中，数据集按照比例划分为训练集和测试集，并且训练集和测试集中的数据均采用随机取样方式从数据集中抽取。

优选的，步骤S4中，选择的机器学习算法包括但不限于线性回归、决策树、随机森林、支持向量机、k近邻、梯度提升、人工神经网络。

优选的，步骤S4中，调节模型超参数的方法包括但不限于随机搜索、网格搜索、贝叶斯优化。

优选的，步骤S4和S5中，评价准确性的指标包括可决系数R²、平均绝对误差MAE、均方差MSE、均方根误差RMSE。

本发明的第二目的通过下述技术方案实现：一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现本发明第一目的所述的基于机器学习的金属有机骨架材料结构特征快速评估方法。

本发明的第三目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现本发明第一目的所述的基于机器学习的金属有机骨架材料结构特征快速评估方法。

本发明相对于现有技术具有如下的优点及效果：

(1)本发明提出一种基于机器学习的金属有机骨架材料结构特征快速评估方法，该方法仅基于MOFs材料的基本晶体学数据和原子的径向分布数据，就能快速预测出材料的结构特征(如孔径、比表面积、孔容、孔隙率等)，不仅精确度和处理效率较高，且建立的机器学习模型能够广泛适用于MOFs材料，因此本发明方法具有较好的普适性，对其他网状骨架材料(如COFs、ZIFs、HOFs材料)的结构表征也具有显著的借鉴价值。

(2)本发明方法基于材料学信息学和机器学习技术，与传统的实验和模拟计算手段比较，本发明方法评估材料结构更加快速高效，能够节省大量实验/计算成本和时间，有助于加快高性能MOFs材料的筛选和开发进程。

(3)本发明方法从统计学角度预测/评估材料结构特征，相对于传统实验和模拟计算手段，本发明方法的评估结果的精度和可靠性更高，能为后续研究MOFs材料的定量构效关系提供高质量的结构特征数据。

附图说明

图1是本发明基于机器学习的金属有机骨架材料结构特征快速评估方法的流程图。

图2是原子径向分布曲线的统计方法的示意图。

图3为本发明实施例1中4种MOFs材料的C、H、O、M原子的径向分布曲线图。

图4为本发明实施例1中44563种MOFs材料的准入孔径、孔容、质量比表面积和准入孔隙率的分布统计图。

图5为人工神经网络模型的拓扑结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1

本实施例公开了一种基于机器学习的金属有机骨架材料结构特征快速评估方法，如图1所示，包括如下步骤：

S1、采集金属有机骨架材料的几何结构特征参数以及对几何结构特征参数产生影响的描述符参数，基于几何结构特征参数和描述符参数建立数据集。

其中，几何结构参数包括材料的准入孔径、最大孔径、质量比表面积、体积比表面积、孔容、准入孔隙率。

描述符参数包括晶体参数、金属类型、金属簇数量、配体数量、配体近邻数、骨架拓扑类型和MOFs材料中原子的径向分布曲线，晶体参数是指晶胞三维尺寸a、b、c和夹角alpha、beta、gamma。

S2、把数据集按照比例划分成训练集和测试集，例如按照比例8:2或7:3，训练集和测试集中的数据均采用随机取样方式从数据集中抽取。

S3、对训练集和测试集中的数据进行标准化预处理。

S4、选择机器学习算法，基于训练集迭代地调节模型的超参数，直至模型预测MOFs材料结构特征的准确性满足精度要求。

其中，描述符参数作为模型输入，描述符参数对应的几何结构特征参数作为模型输出。可选择的机器学习算法包括但不限于线性回归、决策树、随机森林、支持向量机、k近邻、梯度提升、人工神经网络。调节模型超参数的方法包括但不限于随机搜索、网格搜索、贝叶斯优化。

S5、将测试集中的描述符参数作为模型输入，利用训练好的模型预测测试集数据对应的结构特征，并计算预测的准确性。计算预测的准确性是为了定量描述模型对不同结构特征的预测能力，从而知悉模型处理新数据的泛化能力，以确保所用模型是可靠的。

这里，步骤S4和S5评价准确性的指标包括可决系数R²、平均绝对误差MAE、均方差MSE、均方根误差RMSE，计算公式如下：

其中，x_i为直接理论计算的数据(即训练集或测试集中的数据样本，作为“真”值)，y_i为机器学习模型预测的数据，

为预测数据的平均值，i为训练集或测试集中数据样本的序号，n_samples为训练集或测试集中数据样本的总数量。

为更好地描述本实施例，下面以一具体实例加以说明。

(1)构建数据库：

选择18种节点(包括金属簇节点和有机节点)，23种有机配体，73种拓扑结构，采用TOBACCO 3.0软件排列组合，生成44563种MOFs材料的CIF结构数据集。

然后利用Python语言编写脚本，基于CIF结构数据集收集每种MOFs材料的晶体参数(包括晶胞三维尺寸a、b、c和a、b、c三个矢量之间的夹角alpha、beta、gamma)、金属种类、金属簇数量、配体数量、配体近邻数(即与一个配体连接同一个节点的配体数量)、拓扑类型，以及C、H、O、M(M代表金属)原子的径向分布曲线，这些参数作为描述符参数。

其中，原子的径向分布如图2所示，假想一个虚拟球体外切于晶胞，以球体中心为原点，r为距离，划分若干个dr微元(即一层薄球壳)。统计在每个微元内的原子数量，分别以r和原子数量为x、y轴作图，即得到原子径向分布曲线。如图3所示，本实施例收集了4种MOFs(MOF_1，MOF_2，MOF_3，MOF_4)的原子径向分布曲线。

接着，采用ZEO++0.2.2软件计算每种MOFs材料的结构特征参数，本实施例结构特征参数采用准入孔径、孔容、质量比表面积、准入孔隙率。图4为所有MOFs材料的4种结构特征参数的分布统计。

最后，以上述数据组成数据集。

(2)划分训练集和测试集：

基于步骤(1)的数据集，采用随机方式抽取其中80％的数据量作为训练集，用于机器学习模型的建立；剩余20％的数据量作为测试集，用于机器学习模型预测准确性的评估。

(3)数据标准化预处理：

对于训练集和测试集中的所有数据(包括描述符参数和结构特征参数)，找出每个特征的最大值和最小值，然后把每个特征标准化至[0，1]范围内。后续的操作将基于标准化的训练集/测试集进行。

(4)建立结构特征预测模型：

选择人工神经网络(ANN)模型作为待训练的模型；

针对4种结构特征参数，采用标准化的训练集分别训练模型。ANN模型的拓扑结构如图5所示，输入层包含所有描述符(共189个，描述符例如可表示为图5所示的x1，x2，x3)，本实施例模型具有2个隐藏层(隐藏层1，隐藏层2)，每个隐藏层包含若干个神经元节点，每个节点接受上一层所有神经元的输出作为输入，输出层为预测的结构特征(可表示为如图5所示的y)。采用网格搜索方法，对模型的超参数进行迭代调节(即调参)。

在训练集上，利用5折交叉验证配合可决系数R²，定量描述机器学习模型预测结果的准确性，以此判断模型的训练程度。最终取在训练集上交叉验证分数最高的那组超参数作为最佳参数组合，最佳参数组合下的模型即作为最终的预测模型。

调参后结果如表1所示，每个隐藏层中至少包含300个中间节点。在训练集上的交叉验证评分可达到0.88～0.95，说明预测模型在训练集上可行。而且，对于本实施例方法，对每种结构特征训练模型和调参耗时仅需1～2分钟，预测过程耗时几乎可忽略，这与传统实验和模拟计算手段(使用ZEO++计算单个MOFs的4种结构特征共需2～3分钟，但采集所有MOFs的结构信息耗时较长)比较，本实施例方法具有快速高效的显著优势。

表1

(5)结构参数预测和准确性评价：

基于步骤(4)获得的预测模型，对测试集的4种结构特征参数分别进行预测。结果如表1所示，测试集和训练集上的准确性(R²)相近(0.88～0.95)，说明模型没有“过拟合”现象。另外，也说明机器学习模型在测试集上具有较强的泛化能力，训练后的机器学习模型预测值和ZEO++软件的直接计算值相近，因此能够比较准确地预测材料结构特征。

实施例2

本实施例公开了一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现实施例1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，具体如下：

S2、把数据集划分成训练集和测试集；

S3、对训练集和测试集中的数据进行标准化预处理；

本实施例中的计算机可读存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、U盘、移动硬盘等介质。

实施例3

本实施例公开了一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现实施例1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，具体如下：

S2、把数据集划分成训练集和测试集；

S3、对训练集和测试集中的数据进行标准化预处理；

本实施例中所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有处理器功能的终端设备。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims

1.一种基于机器学习的金属有机骨架材料结构特征快速评估方法，其特征在于，包括如下步骤：

S2、把数据集划分成训练集和测试集；

S3、对训练集和测试集中的数据进行标准化预处理；

S5、将测试集中的描述符参数作为模型输入，利用训练好的模型预测测试集数据对应的结构特征，并计算预测的准确性，以定量描述模型对不同结构特征的预测能力；

描述符参数包括晶体参数、金属类型、金属簇数量、配体数量、配体近邻数、骨架拓扑类型和MOFs材料中原子的径向分布曲线，晶体参数是指晶胞三维尺寸a、b、c和夹角alpha、beta、gamma；

配体近邻数即与一个配体连接同一个节点的配体数量；

原子的径向分布曲线通过如下得到：

假想一个虚拟球体外切于晶胞，以球体中心为原点，r为距离，划分若干个dr微元；统计在每个微元内的原子数量，分别以r和原子数量为x、y轴作图；

步骤S1中，几何结构参数包括材料的准入孔径、最大孔径、质量比表面积、体积比表面积、孔容、准入孔隙率。

2.根据权利要求1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，其特征在于，步骤S2中，数据集按照比例划分为训练集和测试集，并且训练集和测试集中的数据均采用随机取样方式从数据集中抽取。

3.根据权利要求1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，其特征在于，步骤S4中，选择的机器学习算法包括但不限于线性回归、决策树、随机森林、支持向量机、k近邻、梯度提升、人工神经网络。

4.根据权利要求1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，其特征在于，步骤S4中，调节模型超参数的方法包括但不限于随机搜索、网格搜索、贝叶斯优化。

5.根据权利要求1所述的基于机器学习的金属有机骨架材料结构特征快速评估方法，其特征在于，步骤S4和S5中，评价准确性的指标包括可决系数R²、平均绝对误差MAE、均方差MSE、均方根误差RMSE。

6.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1至5中任一项所述的基于机器学习的金属有机骨架材料结构特征快速评估方法。

7.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1至5中任一项所述的基于机器学习的金属有机骨架材料结构特征快速评估方法。