CN113764054A - 一种功能有机晶体材料设计方法 - Google Patents
一种功能有机晶体材料设计方法 Download PDFInfo
- Publication number
- CN113764054A CN113764054A CN202111004357.3A CN202111004357A CN113764054A CN 113764054 A CN113764054 A CN 113764054A CN 202111004357 A CN202111004357 A CN 202111004357A CN 113764054 A CN113764054 A CN 113764054A
- Authority
- CN
- China
- Prior art keywords
- organic
- crystal structure
- molecular
- crystal
- property
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013078 crystal Substances 0.000 title claims abstract description 281
- 239000000463 material Substances 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000013461 design Methods 0.000 title abstract description 44
- 239000012634 fragment Substances 0.000 claims abstract description 76
- 238000012216 screening Methods 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims description 37
- 239000004065 semiconductor Substances 0.000 claims description 32
- 238000005215 recombination Methods 0.000 claims description 26
- 230000006798 recombination Effects 0.000 claims description 26
- 238000005556 structure-activity relationship Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 18
- 125000000962 organic group Chemical group 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 17
- 239000002178 crystalline material Substances 0.000 claims description 16
- 239000011148 porous material Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 239000011941 photocatalyst Substances 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 230000021615 conjugation Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000007792 addition Methods 0.000 claims description 6
- 230000001846 repelling effect Effects 0.000 claims description 5
- 125000003277 amino group Chemical group 0.000 claims description 4
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 claims description 4
- 125000006575 electron-withdrawing group Chemical group 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000001179 sorption measurement Methods 0.000 claims description 4
- 229910002651 NO3 Inorganic materials 0.000 claims description 3
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 3
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 2
- SFDJOSRHYKHMOK-UHFFFAOYSA-N nitramide Chemical compound N[N+]([O-])=O SFDJOSRHYKHMOK-UHFFFAOYSA-N 0.000 claims description 2
- 230000008521 reorganization Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000037230 mobility Effects 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 14
- 230000007704 transition Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000008204 material by function Substances 0.000 description 7
- 238000003775 Density Functional Theory Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 125000004429 atom Chemical group 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- -1 Nitro, amino Chemical group 0.000 description 3
- PYKYMHQGRFAEBM-UHFFFAOYSA-N anthraquinone Natural products CCC(=O)c1c(O)c2C(=O)C3C(C=CC=C3O)C(=O)c2cc1CC(=O)OC PYKYMHQGRFAEBM-UHFFFAOYSA-N 0.000 description 3
- 150000004056 anthraquinones Chemical class 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 125000000304 alkynyl group Chemical group 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 125000004093 cyano group Chemical group *C#N 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 125000000129 anionic group Chemical group 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 125000002091 cationic group Chemical group 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 125000005843 halogen group Chemical group 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 125000000449 nitro group Chemical group [O-][N+](*)=O 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Pharmacology & Pharmacy (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供一种功能有机晶体材料设计方法，该方法包括：对于待功能设计的有机晶体材料，确定表征其功能的物化性质，该物化性质包括分子本征性质和晶体结构性质;根据分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个有机分子对应的多个有机分子构象;根据晶体结构性质，对每一个有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个有机分子构象对应的晶体结构；对每一个有机分子构象对应的晶体结构进行筛选，得到用于表征有机晶体材料的至少一个目标晶体结构。采用本发明，能够设计与筛选出既具优异功能又具稳定结构的功能材料。
Description
技术领域
本发明属于晶体材料设计领域，尤其涉及一种功能有机晶体材料设计方法。
背景技术
有机晶体材料是一类在电子、能源与制药等工业领域具有广泛用途的功能材料，其设计方法的发展对于这些领域的进步具有重要意义。现有有机晶体材料的设计方法主要以实验试错为主，首先基于先验知识进行大量实验制备出晶体材料，然后进行性能表征，最终筛选出符合一定性能指标的材料。基于实验的设计方法周期长、成本高，降低了有机晶体材料的研发效率，严重阻碍了相关领域的发展。为了提升材料研发效率，一些基于理论与计算的设计方法被应用于有机晶体材料的设计。但是，由于有机晶体材料的结构主要是由分子间弱相互作用的平衡而形成，而不是像无机晶体一般由原子直接键合而形成，因此分子结构的微小变化会引起晶体堆积形式的深刻变化，从而很难像无机晶体材料那样将一个体系的结构-性质关系应用于堆积方式可能完全不同的新分子。这样，功能有机晶体材料的设计就需要一种不依赖于直观键合规则的设计方法。
发明内容
本发明针对上述功能有机晶体材料设计方法的不足与缺陷，提出了一种不依赖于直观键合规则的基于能量-结构-性质关系的功能有机晶体材料设计方法，能够从分子片段出发设计出具有相应功能的有机晶体材料。
本发明实施例第一方面提供了一种功能有机晶体材料设计方法，包括：
对于待功能设计的有机晶体材料，确定表征其功能的物化性质，所述物化性质包括分子本征性质和晶体结构性质；
根据所述分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个所述有机分子对应的多个有机分子构象；
根据所述晶体结构性质，对每一个所述有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个所述有机分子构象对应的晶体结构；
对每一个所述有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构。
在一个或多个实施例中，优选地，所述根据所述分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个所述有机分子对应的多个有机分子构象，包括：
从预设分子片段数据库中选取多个与所述分子本征性质对应的分子片段,构成分子片段集；
对所述分子片段集利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象。
在一个或多个实施例中，优选地，所述从预设分子片段数据库中选取多个与所述分子本征性质对应的分子片段之前，所述方法还包括：
根据所述分子本征性质，选择至少一个有机基团构建分子片段数据库，得到预设分子片段数据库。
在一个或多个实施例中，优选地，所述对所述分子片段集利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象之后，所述方法还包括：
选择所述分子本征性质作为适应函数，确定所述适应函数的初始值和收敛阈值；
计算每一个所述有机分子构象对应的适应函数，并分别计算每一个所述有机分子构象对应的适应函数与所述初始值的绝对差值；
分别将每一个绝对差值与所述收敛阈值进行比较，得到比较结果；
根据所述比较结果，输出符合第一预设条件的多个候选有机分子构象；
其中，所述根据所述晶体结构性质，对每一个所述有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个所述有机分子构象对应的晶体结构，包括：
根据所述晶体结构性质，对每一个所述候选有机分子构象进行晶体结构预测，得到每一个所述候选有机分子构象对应的晶体结构；
所述对每一个所述有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构，包括：
对每一个所述候选有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构。
在一个或多个实施例中，优选地，所述根据所述比较结果，输出符合第一预设条件的多个候选有机分子构象，包括：
根据所述比较结果，输出绝对差值小于所述收敛阈值的多个候选有机分子构象；或者，
根据所述比较结果，输出绝对差值小于所述收敛阈值，且绝对差值小于临界阈值的多个候选有机分子构象，其中，所述临界阈值小于所述收敛阈值；或者，
根据所述比较结果，输出绝对差值小于所述收敛阈值，且绝对差值由小到大排在前N位的N个候选有机分子构象，所述N为大于或等于2的整数。
在一个或多个实施例中，优选地，所述方法还包括：若符合所述第一预设条件的候选有机分子构象的数量低于目标值，则重新从所述预设分子片段数据库中选取多个分子片段，并利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象。
在一个或多个实施例中，优选地，所述分子本征性质包括分子内能、最高占据轨道能量、最低未占据轨道能量、分子能隙、重组能、键能和共轭度中的至少一种；所述晶体结构性质包括晶格能量、转移积分、弹性常数、应变张量、晶习、孔径和堆积重叠比中的至少一种。
在一个或多个实施例中，优选地，所述对于待功能设计的有机晶体材料，确定表征其功能的物化性质，包括：
确定待功能设计的有机晶体材料的材料类型；
根据所述材料类型，从预设关系映射表中获取与所述材料类型相对应的物化性质。
在一个或多个实施例中，优选地，所述根据所述材料类型，从预设关系映射表中获取与所述材料类型相对应的物化性质，包括：
若所述材料类型为有机半导体材料，从预设关系映射表中获取所述有机半导体材料的物化性质为载流子迁移率，分子本征性质为重组能，晶体结构性质为转移积分；
若所述材料类型为含能材料，从预设关系映射表中获取所述含能材料的物化性质为感度，分子本征性质为键能，晶体结构性质为晶习；
若所述材料类型为有机多孔材料，从预设关系映射表中获取所述有机多孔材料的物化性质为吸附容量，分子本征性质为共轭度，晶体结构性质为孔径；
若所述材料类型为有机光催化剂，从预设关系映射表中获取所述有机光催化剂的物化性质为比表面积，分子本征性质为共轭度，晶体结构性质为堆积重叠比。
在一个或多个实施例中，优选地，若所述有机晶体材料的材料类型为有机半导体材料，所述有机基团包括平面刚性、吸电子基团和/或斥电子基团；若所述有机晶体材料的材料类型为含能材料，所述有机基团包括硝基、胺基和/或硝酸酯；若所述有机晶体材料的材料类型为有机多孔材料，所述有机基团包括共轭环、羟基和/或氨基；若所述有机晶体材料的材料类型为有机光催化剂，所述有机基团包括共轭环和/或羧基。
在一个或多个实施例中，优选地，所述分子操作包括添加、交叉、重组与变异。
在一个或多个实施例中，优选地，所述对每一个所述候选有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构，包括：
计算每一个所述候选有机分子构象对应的晶体结构的物化性质；
将每一个所述晶体结构的物化性质与预设筛选阈值进行比较，筛选出满足第二预设条件的至少一个晶体结构；
将所述至少一个晶体结构确定为用于表征所述有机晶体材料的目标晶体结构。
本发明实施例第二方面提供了一种用于预测有机晶体材料性质的模型构建方法，包括：
采用本发明实施例第一方面提供的任一方法通过晶体结构预测得到的晶体结构以及相应的表征有机晶体材料功能的物化性质作为结构-性质数据，构建构效关系模型。
在一个或多个实施例中，优选地，所述构建构效关系模型，包括：
将通过晶体结构预测得到的晶体结构转化为以原子为节点，键为边的图结构，与对应的物化性质构建数据集，并将所述数据集划分为训练集、验证集与测试集；
利用所述训练集和所述验证集进行模型训练，得到多个候选构效关系模型；
利用所述测试集评估各所述候选构效关系模型，分别得到预测结果；
根据所述预测结果，从所述多个候选构效关系模型中确定出最终的构效关系模型。
本发明实施例第三方面提供了一种预测有机晶体材料性质的方法，所述方法采用本发明实施例第二方面提供的任一方法构建的构效关系模型进行所述有机晶体材料的物化性质的预测。
本发明实施例第四方面提供了一种预测有机晶体材料的晶体结构的方法，所述方法基于本发明实施例第三方面提供的方法预测得到的所述有机晶体材料的物化性质，获得所述有机晶体材料的目标晶体结构。
本发明实施例对于需要进行功能设计的有机晶体材料，确定可以表征其功能的物化性质，将该物化性质分解为与分子相关部分以及与晶体(分子堆积方式)相关部分。从分子片段出发设计出本征性质最优的一系列分子，再使用晶体结构预测技术得到这些分子可能形成的晶体结构。最终，结合分子本征性质与晶体结构性质筛选出最优的一系列有机晶体材料。因此，采用本发明，克服了传统实验方法效率低、普通材料设计方法需要依赖键合规则等缺陷，实现了一种只需分子片段作为输入就可以得到一系列晶体结构的方法。这使得计算机辅助的材料设计策略更为自动化，只需要在分子片段设计环节具有一定的化学经验，就可以设计与筛选出既具优异功能又具稳定结构的功能材料。
附图说明
图1是本发明实施例提供的一种功能有机晶体材料设计方法的流程示意图；
图2是本发明实施例提供的另一种功能有机晶体材料设计方法的流程示意图；
图3是本发明实施例提供的另一种功能有机晶体材料设计方法的流程示意图；
图4是本发明实施例提供的一种功能有机半导体材料设计方法的流程示意图；
图5是本发明实施例中通过设计得到的n型有机半导体的电子迁移率的关系示意图；
图6是本发明实施例中模型预测得到的电子迁移率与计算得到的电子迁移率在训练集上的相关性图；
图7是本发明实施例中模型预测得到的电子迁移率与计算得到的电子迁移率在测试集上的相关性图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明：
实施例1
本发明实施例提供了一种功能有机晶体材料设计方法，如图1所示，该方法可以包括以下步骤：
S110、对于待功能设计的有机晶体材料，确定表征其功能的物化性质，该物化性质包括分子本征性质和晶体结构性质。
本发明实施例中，有机晶体材料的物化性质可以用于表征有机晶体材料的功能，该物化性质可以由有机晶体材料的材料类型来决定。物化性质可以是由分子本征性质和晶体结构性质两部分构成，其中，分子本征性质可以用于表示分子本身结构相关部分，晶体结构性质可以用于表示晶体结构(也就是分子堆积方式)相关部分。
例如，有机晶体材料为有机半导体，则其物化性质为载流子迁移率，物化性质包含的分子本征性质为重组能，晶体结构性质为转移积分。
S120、根据分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个有机分子对应的多个有机分子构象。
本发明实施例中，可以采用进化算法对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子及其对应的有机分子构象。其中，一个有机分子可以对应多个有机分子构象。
进化算法是一类全局优化算法的统称。该类算法受生物演化机制的启发，模拟繁殖、突变、重组与选择等演化过程，对优化问题的候选解做演化计算。具体地，本发明使用的进化算法可以是遗传算法或差分进化算法等。
其中，预设分子片段数据库可以是事先构建好的，也可以是从网络端下载的。可以从预设分子片段数据库中获取若干个分子片段，并对这若干个分子片段进行优化设计。其中，上述若干个分子片段可以根据分子本征性质来选取。
S130、根据晶体结构性质，对每一个有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个有机分子构象对应的晶体结构。
本发明实施例中，利用晶体结构预测技术对设计得到的各有机分子构象进行晶体结构预测，预测得到每一有机分子构象对应的晶体结构。其中，一个有机分子构象可以对应得到一个晶体结构。晶体结构预测技术可以参考文献[Harnessing Cloud Architecturefor Crystal Structure Prediction Calculations.Peiyu Zhang,Geoffrey P.F.Wood,Jian Ma,Mingjun Yang,Yang Liu,Guangxu Sun,Yide A.Jiang,Bruno C.Hancock,andShuhao Wen]。
S140、对每一个有机分子构象对应的晶体结构进行筛选，得到用于表征有机晶体材料的至少一个目标晶体结构。
本发明实施例中，为了提高结果的准确性，可以对晶体结构预测得到的多个晶体结构按照预设的筛选规则进行筛选，从中择优筛选出至少一个目标晶体结构作为用来表征有机晶体材料的设计结果。
综上，本发明实施例对于需要进行功能设计的有机晶体材料，确定可以表征其功能的物化性质，将该物化性质分解为与分子相关部分以及与晶体(分子堆积方式)相关部分。从分子片段出发设计出本征性质最优的一系列分子，再使用晶体结构预测技术得到这些分子可能形成的晶体结构。最终，结合分子本征性质与晶体结构性质筛选出最优的一系列有机晶体材料。因此，采用本发明，克服了传统实验方法效率低、普通材料设计方法需要依赖键合规则等缺陷，实现了一种只需分子片段作为输入就可以得到一系列晶体结构的方法。这使得计算机辅助的材料设计策略更为自动化，只需要在分子片段设计环节具有一定的化学经验，就可以设计与筛选出既具优异功能又具稳定结构的功能材料。
实施例2
本发明实施例提供了另一种功能有机晶体材料设计方法，如图2所示，该方法可以包括以下步骤：
S210、对于待功能设计的有机晶体材料，确定表征其功能的物化性质，该物化性质包括分子本征性质和晶体结构性质。
其中，该物化性质可以分为两部分：一部分与分子本身相关，称为分子本征性质；一部分与分子堆积方式相关，称为晶体结构性质。
分子本征性质指由分子结构所决定的性质，比如分子内能、最高占据轨道能量、最低未占据轨道能量、分子能隙、重组能、键能、共轭度等。
晶体结构性质指由晶体结构所决定地性质，比如晶格能量、转移积分、弹性常数、应变张量、晶习、孔径、堆积重叠比等。
本发明实施例中，对于需要进行功能设计的有机晶体材料，可以根据预先建立的材料类型与物化性质的关系映射表来确定可以表征该有机晶体材料功能的物化性质。
具体的，步骤S210对于待功能设计的有机晶体材料，确定表征其功能的物化性质的具体实施方式可以包括：确定待功能设计的有机晶体材料的材料类型；根据该材料类型，从预设关系映射表中获取与该材料类型相对应的物化性质。
其中，材料类型与物化性质之间的预设映射关系表可以如表1所示。
表1
从表1可知，若该材料类型为有机半导体材料，从预设关系映射表中获取有机半导体材料的物化性质为载流子迁移率，分子本征性质为重组能，晶体结构性质为转移积分；
若该材料类型为含能材料，从预设关系映射表中获取含能材料的物化性质为感度，分子本征性质为键能，晶体结构性质为晶习；
若该材料类型为有机多孔材料，从预设关系映射表中获取有机多孔材料的物化性质为吸附容量，分子本征性质为共轭度，晶体结构性质为孔径；
若该材料类型为有机光催化剂，从预设关系映射表中获取有机光催化剂的物化性质为比表面积，分子本征性质为共轭度，晶体结构性质为堆积重叠比。
S220、从预设分子片段数据库中选取多个与分子本征性质对应的分子片段,构成分子片段集。
S230、对分子片段集利用分子操作生成多个有机分子以及每一个有机分子对应的多个有机分子构象。
其中，分子操作可以包括添加、交叉、重组与变异等各项操作。
例如，从预设分子片段数据库中选取5个分子片段，构成分子片段集，再利用分子操作生成26个有机分子，一个有机分子对应有4种构象。
可选的，在执行步骤S220之前，可以根据分子本征性质，选择至少一个有机基团构建分子片段数据库，得到预设分子片段数据库。
对于不同的材料类型，所选择有机基团的特征不同。将满足这些特征的基团放在一起就是预设分子片段数据库，如表2所示。
表2
| 材料类型 | 有机基团特征 |
| 有机半导体材料 | 平面刚性、吸(斥)电子基团 |
| 含能材料 | 硝基、胺基、硝酸酯 |
| 有机多孔材料 | 共轭环、羟基、氨基 |
| 有机光催化剂 | 共轭环、羧基 |
具体的，若有机晶体材料的材料类型为有机半导体材料，有机基团可以包括平面刚性、吸电子基团和/或斥电子基团；若有机晶体材料的材料类型为含能材料，有机基团可以包括硝基、胺基和/或硝酸酯；若有机晶体材料的材料类型为有机多孔材料，有机基团可以包括共轭环、羟基和/或氨基；若有机晶体材料的材料类型为有机光催化剂，有机基团可以包括共轭环和/或羧基。
S240、根据晶体结构性质，对每一个有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个有机分子构象对应的晶体结构。
S250、对每一个有机分子构象对应的晶体结构进行筛选，得到用于表征有机晶体材料的至少一个目标晶体结构。
可选的，为了提高分子结构设计的精度，在执行完步骤S230之后，图2所描述的方法还可以包括以下步骤：
S231、选择分子本征性质作为适应函数，确定该适应函数的初始值和收敛阈值；
S232、计算每一个有机分子构象对应的适应函数，并分别计算每一个有机分子构象对应的适应函数与初始值的绝对差值；
S233、分别将每一个绝对差值与收敛阈值进行比较，得到比较结果；
S234、根据该比较结果，输出符合第一预设条件的多个候选有机分子构象；
相应地，步骤S240根据晶体结构性质，对每一个候选有机分子构象进行晶体结构预测，得到每一个候选有机分子构象对应的晶体结构；
步骤S250对每一个候选有机分子构象对应的晶体结构进行筛选，得到用于表征有机晶体材料的至少一个目标晶体结构。
其中，S234根据该比较结果，输出符合第一预设条件的多个候选有机分子构象的具体实施方式可以包括：根据该比较结果，输出绝对差值小于收敛阈值的多个候选有机分子构象；或者，根据该比较结果，输出绝对差值小于收敛阈值，且绝对差值小于临界阈值的多个候选有机分子构象，其中，临界阈值小于收敛阈值；或者，根据该比较结果，输出绝对差值小于所述收敛阈值，且绝对差值由小到大排在前N位的N个候选有机分子构象，N为大于或等于2的整数。
可选的，若符合第一预设条件的候选有机分子构象的数量低于目标值，则重新从预设分子片段数据库中选取多个分子片段，并利用分子操作生成多个有机分子以及每一个有机分子对应的多个有机分子构象。
可选的，步骤S250对每一个候选有机分子构象对应的晶体结构进行筛选，得到用于表征有机晶体材料的至少一个目标晶体结构的具体实施方式可以包括以下步骤：
S250a、计算每一个候选有机分子构象对应的晶体结构的物化性质；
S250b、将每一个晶体结构的物化性质与预设筛选阈值进行比较，筛选出满足第二预设条件的至少一个晶体结构；
S250c、将上述至少一个晶体结构确定为用于表征有机晶体材料的目标晶体结构。
其中，晶体结构的物化性质的计算可以是先计算分子本征性质和晶体结构性质，再结合两者可以得到物化性质。以有机半导体材料为例，针对每个候选有机分子构象对应的晶体结构，可以先计算它的分子本征性质—重组能，再计算它的晶体结构性质—转移积分，结合两者得到其物化性质。
其中，第二预设条件可以是物化性质大于预设筛选阈值，或者物化性质小于或等于预设筛选阈值，这取决于有机晶体材料的材料类型。
例如，当材料类型为有机半导体材料时，第二预设条件为载流子迁移率大于预设筛选阈值；当材料类型为有机多孔材料时，第二预设条件为吸附容量大于预设筛选阈值；当材料类型为有机光催化剂时，第二预设条件为比表面积大于预设筛选阈值；当材料类型为含能材料时，第二预设条件为感度小于或等于预设筛选阈值。
可见，本发明实施例克服了传统实验方法效率低、普通材料设计方法需要依赖键合规则等缺陷，实现了一种只需分子片段作为输入就可以得到一系列晶体结构的方法。这使得计算机辅助的材料设计策略更为自动化，只需要在分子片段设计环节具有一定的化学经验，就可以设计与筛选出既具优异功能又具稳定结构的功能材料。
实施例3
本发明实施例提供了另一种功能有机晶体材料设计方法，如图3所示，该方法可以包括以下步骤：
S310、对于需要进行功能设计的有机晶体材料，根据预设关系映射表确定可以表征其功能的物化性质。
其中，该物化性质可以分为与分子本身相关部分(即分子本征性质)以及与晶体(分子堆积)相关部分(即晶体结构性质)。
S320、对于分子本身的设计，使用进化算法对分子片段进行优化来实现。
具体的，步骤S320的具体实施方式可以包括以下步骤：
S320a、根据分子本征性质选择合适的有机基团构建预设分子片段数据库；
S320b、选择分子本征性质作为适应函数，确定适应函数的初始值和收敛阈值；
对于不同类型的功能材料，需要进行优化设计的分子本征性质不同，如表1所示。分子本征性质可以直接当作适应函数。
S320c、随机选择分子片段，通过分子操作(添加、交叉、重组与变异)生成一系列不同的有机分子及其有机分子构象；
S320d、计算每一个有机分子构象的适应函数，如果适应函数达到收敛阈值，则进行下一步，如果没有，则回到上一步；
S320e、输出适应函数最优的若干候选有机分子及其候选有机分子构象。
其中，最优的若干候选有机分子可以为2～10个。分子本征性质可以直接当作适应函数，适应函数最优的评判标准就是其数值的大小，有些材料适应函数的最优对应于适应函数最大，有些材料则对应于最小。
S330、对于分子堆积方式的设计，通过晶体结构预测技术与晶体结构性质计算实现。
具体的，步骤S330的具体实施方式可以包括以下步骤：
S330a、对步骤S320e得到的一系列候选有机分子构象进行晶体结构预测，分别得到一系列不同堆积方式的晶体结构以及对应的晶格能量；
S330b、使用半经验的紧束缚近似密度泛函理论(Density Functional basedTight Binding，简称DFTB)或第一性原理的密度泛函理论(Density Functional Theory，简称DFT)对上述晶体结构的晶体结构性质进行计算。
其中，不同类型的功能材料，晶体结构性质的计算方法不同。
S340、基于S320与S330分别得到的分子本征性质与晶体结构性质计算出表征有机晶体材料功能的物化性质，并将该物化性质与预设筛选阈值进行比较，根据该物化性质筛选出一系列晶体结构材料，结束材料设计。
根据表征功能的物化性质来设置筛选阈值，筛选出物化性质最优的若干晶体结构。
实施例4
有机半导体材料由有机分子以弱相互作用的平衡而形成，其载流子迁移率与晶体结构中分子之间的电荷跃迁速率相关，而电荷跃迁速率由分子结构与晶体结构(分子堆积方式)所决定。因此，可分别基于分子结构与晶体结构对有机半导体进行设计。其中，分子结构的设计可以通过分子片段的优化来实现，晶体结构的设计可以通过晶体结构预测与性质筛选来实现。如图4所示，功能有机半导体材料设计方法可以包括以下步骤：
S410、确定用于表征有机半导体材料功能的物化性质—载流子迁移率。
其中，物化性质可以分为与分子结构相关部分和与晶体结构相关部分。
其中，有机半导体材料的载流子迁移率由其晶体结构的电荷跃迁速率决定。
电荷跃迁速率kij可以表示为：
其中，kB与
分别是玻尔兹曼与普朗克常数，T是温度，λ是重组能，tij是转移积分。
其中，电荷跃迁速率可以分为两部分：一部分是与分子本身结构相关的重组能(即分子本征性质)；一部分是与晶体结构相关的转移积分(即晶体结构性质)。
S420、使用遗传算法基于重组能对分子片段进行优化，实现分子结构的设计。
具体的，步骤S420的具体实施方式可以包括以下步骤：
S420a、选择若干π共轭分子以及吸(斥)电子基团构建预设分子片段数据库；
S420b、选择重组能作为适应函数，并确定适应函数的收敛阈值，重组能λ±表示为
λ±＝[E±(Rneutral)-Eneutral(Rneutral)]+[Eneytral(R±)-E±(R±)]
其中，E±与Eneutral分别表示以分子或其阳离子(阴离子)形式计算的能量，R±与Rneutral分别表示处于基态或其阳离子(阴离子)态的分子结构。
S420c、随机选择预设分子片段数据库中的分子片段，通过随机组合初始化一系列有机分子构象；
S420d、从预设分子片段数据库选择若干分子片段，通过分子操作(添加、交叉、重组与变异)更新有机分子构象；
S420e、计算有机分子构象的适应函数，如果适应函数达到收敛阈值，则进行S420f，如果没有达到，则回到S420d；
S420f、输出适应函数最小的若干候选有机分子及其候选有机分子构象；
S430、使用晶体结构预测技术与晶体结构性质计算方法，实现晶体结构的设计。
具体的，步骤S430的具体实施方式可以包括以下步骤：
S430a、对S420得到的一系列候选有机分子构象进行晶体结构预测，分别得到一系列不同堆积方式的晶体结构以及对应的晶格能量；
S430b、使用半经验的紧束缚近似密度泛函理论(DFTB)或第一性原理的密度泛函理论(DFT)对上述晶体结构的转移积分进行计算，转移积分tij可以表示为:
其中，h是位能，S是重叠积分，i与j表示相互作用的两个分子。
S440、基于S420与S430分别得到的重组能与转移积分，利用电荷跃迁速率kij的计算公式计算出上述晶体结构的电荷跃迁速率，从中筛选出晶格能量较小(保证晶体结构的热力学稳定性)且电荷跃迁速率较大(保证材料的性能)的若干晶体结构，作为所需有机半导体材料，结束设计流程。
举例来说，就载流子迁移率而言，n型有机半导体的发展落后于p型有机半导体，因此，这里以n型有机半导体(对于n型有机半导体，载流子为电子)为例展示基于能量-结构-电子迁移率关系的有机半导体设计流程。
S1、n型有机半导体的电荷跃迁速率由分子的重组能与分子间电子的转移积分决定，重组能由分子结构决定，转移积分由晶体结构决定。
S2、根据重组能实现分子的设计，具体包括以下步骤：
S21、根据重组能构建预设分子片段数据库；
蒽醌具有平面刚性π电子框架的同时作为电子受体又有很强的拓展性，适合作为n型半导体的基础设计框架，卤素、氨基、氰基与炔基等吸电子基团可以改善n型有机半导体的重组能，因此本实施例选择蒽醌、卤素、氨基、氰基与炔基构建预设分子片段数据库。
S22、选择重组能作为适应函数，确定适应函数的收敛阈值为0.01eV，初始值为100eV；
S23、首先选择蒽醌作为基础框架，再随机选择预设分子片段数据库中的分子片段随机组合初始化20个有机分子构象；
S24、随机选择5-10分子片段组合，通过分子操作(添加、交叉、重组与变异)更新上一步的一系列有机分子构象；
S25、计算该步适应函数与上一步适应函数的绝对差值，若该绝对差值小于适应函数的收敛阈值，则进行S26，若没有，则回到S24；
其中，适应函数的初始值是可以变化的，当适应函数没有收敛时，可以将前一次计算得到的适应函数作为初始值。例如，第0步，适应函数的初始值为100eV；第1步，适应函数的平均值为80eV，与上一步差值20eV，没收敛，将80eV作为新的初始值，继续迭代；第2步，适应函数为80.001eV，与上一步差值是0.001eV，小于0.01eV，结束迭代。
S26、按照适应函数从小到大的顺序输出前M个候选有机分子。其中，M一般可以取2～10，这里以M取4为例进行说明，这4个候选有机分子的SMILES表达式如表3所示。
表3适应函数最小的四个有机分子
| O＝C1c2ccc(C#CC(F)(F)(F))cc2C(＝O)c3ccc(C#CC(F)(F)(F))cc13 |
| O＝C1c2ccc(C#CC(F)(F)(F))cc2C(＝O)c3cc(C#CC(F)(F)(F))ccc13 |
| O＝C1c2ccccc2C(＝O)c3cc(C#CC(F)(F)(F))c(C#CC(F)(F)(F))cc13 |
| O＝C1c2cccc(C#CC(F)(F)(F))c2C(＝O)c3cccc(C#CC(F)(F)(F))c13 |
S3、通过晶体结构预测与晶体结构性质计算实现分子堆积方式的设计，具体包括以下步骤：
S31、对S26得到的M个候选有机分子进行晶体结构预测，得到M组不同堆积方式的晶体结构(每组有若干晶体结构)以及对应的晶格能量；
S32、计算上述M组晶体结构的转移积分。
S4、基于S25得到的重组能与S32得到的转移积分，计算M组晶体在300K下的电荷跃迁速率，最终计算得到电子迁移率。
其中，电荷跃迁速率转变为电子迁移率的计算方法可以参考文献[Predictionsof Hole Mobilities in Oligoacene Organic Semiconductors from QuantumMechanical Calculations.Wei Qiao Deng and William A.Goddard III]。
如图5所示为4组晶体的能量-密度(energy-density)图，其中圆点大小表示电子迁移率μ的数值大小，从中可以看到一系列电子迁移率大于50cm2·V-1·s-1的晶体结构，可以作为最终设计的n型有机半导体。
本实施例基于能量-结构-载流子迁移率关系，利用分子优化设计、晶体结构预测与晶体性质计算等技术手段，克服了传统实验方法效率低、普通材料设计方法需要依赖键合规则等缺陷，本实施例实现了一种只需分子片段作为输入就可以得到一些列高热力学稳定性与高载流子迁移率的有机半导体设计方法。
实施例5
本发明实施例还提供了一种用于预测有机晶体材料性质的模型构建方法。具体的，可以采用前述实施例提供的功能有机晶体材料设计方法通过晶体结构预测得到的晶体结构(如前述步骤S130、步骤S240、步骤S330a或步骤S430a得到的晶体结构)以及相应的表征有机晶体材料功能的物化性质(如前述步骤S140、步骤S250a、步骤S340或步骤S440得到的晶体结构的物化性质)作为结构-性质数据，构建构效关系模型。
其中，不同功能材料，构建构效关系模型的结构-性质数据不同。
可选的，构建构效关系模型的具体实施方式可以包括以下步骤：
S510、将通过晶体结构预测得到的晶体结构转化为以原子为节点，键为边的图结构，与对应的物化性质构建数据集，并将数据集划分为训练集、验证集与测试集；
S520、利用训练集和验证集进行模型训练，得到多个候选构效关系模型；
S530、利用测试集评估各候选构效关系模型，分别得到预测结果；
S540、根据该预测结果，从上述多个候选构效关系模型中确定出最终的构效关系模型。
以n型有机半导体为例，通过晶体结构预测得到的晶体结构，以及计算得到的电子迁移率。
基于上一实施例4基础上，对于S31得到的晶体结构与S4得到的电子迁移率，组成结构-性质数据对，构建构效关系的图卷积模型，从而加速材料研发过程。
将S31的得到的晶体结构转化为以原子为节点，键为边的图结构，与S4对应的物化性质构建数据集，共有25000对数据，并进一步将数据集划分为训练集(20000)、验证集(2500)与测试集(2500)。
根据图注意力机制，基于PyTorch框架，利用训练集及验证集进行模型训练，随机初始化得到若干个表示构效关系的图注意力模型。
利用测试集评估各模型的预测结果，根据准确度与稳定性选择表现较好的模型作为最终构效关系模型。在训练集与测试集上，根据构效关系模型预测得到的电子迁移率与通过计算方式得到的电子迁移率的相关性图分别如图6和图7所示。其中，横坐标是通过计算(如步骤S4)得到的电子迁移率取以10为底的对数值，纵坐标是通过模型预测得到的电子迁移率取以10为底的对数值。MAE是平均绝对误差，RMSE是均方根误差，R2是决定系数。MAE与RMSE越小，表示两者误差越小；R2是一个介于0～1的值，R2越大，表示两者相关性越好。
利用上述模型可以对同类型的有机半导体进行预测，从而加速该类材料的设计与筛选。
另外，本发明实施例还提供了一种预测有机晶体材料性质的方法。具体的，可以采用前述实施例5提供的用于预测有机晶体材料性质的模型构建方法构建的构效关系模型进行有机晶体材料的物化性质的预测。
本发明实施例还提供了一种预测有机晶体材料的晶体结构的方法。具体的，可以采用前述提供的预测有机晶体材料性质的方法预测得到的所述有机晶体材料的物化性质，获得所述有机晶体材料的目标晶体结构。
其中，当预测得到有机晶体材料的物化性质后，可以将该物化性质与预设筛选阈值进行比较，从而筛选出较优的有机晶体材料的目标晶体结构。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (16)
1.一种功能有机晶体材料设计方法，其特征在于，包括：
对于待功能设计的有机晶体材料，确定表征其功能的物化性质，所述物化性质包括分子本征性质和晶体结构性质;
根据所述分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个所述有机分子对应的多个有机分子构象;
根据所述晶体结构性质，对每一个所述有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个所述有机分子构象对应的晶体结构；
对每一个所述有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构。
2.如权利要求1所述的方法，其特征在于，所述根据所述分子本征性质，对预设分子片段数据库中的分子片段进行优化设计，得到多个有机分子以及每一个所述有机分子对应的多个有机分子构象，包括：
从预设分子片段数据库中选取多个与所述分子本征性质对应的分子片段,构成分子片段集；
对所述分子片段集利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象。
3.如权利要求2所述的方法，其特征在于，所述从预设分子片段数据库中选取多个与所述分子本征性质对应的分子片段之前，所述方法还包括：
根据所述分子本征性质，选择至少一个有机基团构建分子片段数据库，得到预设分子片段数据库。
4.如权利要求2所述的方法，其特征在于，所述对所述分子片段集利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象之后，所述方法还包括：
选择所述分子本征性质作为适应函数，确定所述适应函数的初始值和收敛阈值；
计算每一个所述有机分子构象对应的适应函数，并分别计算每一个所述有机分子构象对应的适应函数与所述初始值的绝对差值；
分别将每一个绝对差值与所述收敛阈值进行比较，得到比较结果；
根据所述比较结果，输出符合第一预设条件的多个候选有机分子构象；
其中，所述根据所述晶体结构性质，对每一个所述有机分子对应的多个有机分子构象进行晶体结构预测，得到每一个所述有机分子构象对应的晶体结构，包括：
根据所述晶体结构性质，对每一个所述候选有机分子构象进行晶体结构预测，得到每一个所述候选有机分子构象对应的晶体结构；
所述对每一个所述有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构，包括：
对每一个所述候选有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构。
5.如权利要求4所述的方法，其特征在于，所述根据所述比较结果，输出符合第一预设条件的多个候选有机分子构象，包括：
根据所述比较结果，输出绝对差值小于所述收敛阈值的多个候选有机分子构象；或者，
根据所述比较结果，输出绝对差值小于所述收敛阈值，且绝对差值小于临界阈值的多个候选有机分子构象，其中，所述临界阈值小于所述收敛阈值；或者，
根据所述比较结果，输出绝对差值小于所述收敛阈值，且绝对差值由小到大排在前N位的N个候选有机分子构象，所述N为大于或等于2的整数。
6.如权利要求4所述的方法，其特征在于，所述方法还包括：
若符合所述第一预设条件的候选有机分子构象的数量低于目标值，则重新从所述预设分子片段数据库中选取多个分子片段，并利用分子操作生成多个有机分子以及每一个所述有机分子对应的多个有机分子构象。
7.如权利要求1所述的方法，其特征在于，所述分子本征性质包括分子内能、最高占据轨道能量、最低未占据轨道能量、分子能隙、重组能、键能和共轭度中的至少一种；所述晶体结构性质包括晶格能量、转移积分、弹性常数、应变张量、晶习、孔径和堆积重叠比中的至少一种。
8.如权利要求1-7任一项所述的方法，其特征在于，所述对于待功能设计的有机晶体材料，确定表征其功能的物化性质，包括：
确定待功能设计的有机晶体材料的材料类型；
根据所述材料类型，从预设关系映射表中获取与所述材料类型相对应的物化性质。
9.如权利要求8所述的方法，其特征在于，所述根据所述材料类型，从预设关系映射表中获取与所述材料类型相对应的物化性质，包括：
若所述材料类型为有机半导体材料，从预设关系映射表中获取所述有机半导体材料的物化性质为载流子迁移率，分子本征性质为重组能，晶体结构性质为转移积分；
若所述材料类型为含能材料，从预设关系映射表中获取所述含能材料的物化性质为感度，分子本征性质为键能，晶体结构性质为晶习；
若所述材料类型为有机多孔材料，从预设关系映射表中获取所述有机多孔材料的物化性质为吸附容量，分子本征性质为共轭度，晶体结构性质为孔径；
若所述材料类型为有机光催化剂，从预设关系映射表中获取所述有机光催化剂的物化性质为比表面积，分子本征性质为共轭度，晶体结构性质为堆积重叠比。
10.如权利要求3所述的方法，其特征在于，若所述有机晶体材料的材料类型为有机半导体材料，所述有机基团包括平面刚性、吸电子基团和/或斥电子基团；若所述有机晶体材料的材料类型为含能材料，所述有机基团包括硝基、胺基和/或硝酸酯；若所述有机晶体材料的材料类型为有机多孔材料，所述有机基团包括共轭环、羟基和/或氨基；若所述有机晶体材料的材料类型为有机光催化剂，所述有机基团包括共轭环和/或羧基。
11.如权利要求2所述的方法，其特征在于，所述分子操作包括添加、交叉、重组与变异。
12.如权利要求4所述的方法，其特征在于，所述对每一个所述候选有机分子构象对应的晶体结构进行筛选，得到用于表征所述有机晶体材料的至少一个目标晶体结构，包括：
计算每一个所述候选有机分子构象对应的晶体结构的物化性质；
将每一个所述晶体结构的物化性质与预设筛选阈值进行比较，筛选出满足第二预设条件的至少一个晶体结构；
将所述至少一个晶体结构确定为用于表征所述有机晶体材料的目标晶体结构。
13.一种用于预测有机晶体材料性质的模型构建方法，其特征在于，包括：
采用如权利要求1-12任一项所述的方法通过晶体结构预测得到的晶体结构以及相应的表征有机晶体材料功能的物化性质作为结构-性质数据，构建构效关系模型。
14.如权利要求13所述的方法，其特征在于，所述构建构效关系模型，包括：
将通过晶体结构预测得到的晶体结构转化为以原子为节点，键为边的图结构，与对应的物化性质构建数据集，并将所述数据集划分为训练集、验证集与测试集；
利用所述训练集和所述验证集进行模型训练，得到多个候选构效关系模型；
利用所述测试集评估各所述候选构效关系模型，分别得到预测结果；
根据所述预测结果，从所述多个候选构效关系模型中确定出最终的构效关系模型。
15.一种预测有机晶体材料性质的方法，其特征在于，所述方法采用如权利要求13或14所述的方法构建的构效关系模型进行所述有机晶体材料的物化性质的预测。
16.一种预测有机晶体材料的晶体结构的方法，其特征在于，所述方法基于如权利要求15所述的方法预测得到的所述有机晶体材料的物化性质，获得所述有机晶体材料的目标晶体结构。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004357.3A CN113764054A (zh) | 2021-08-30 | 2021-08-30 | 一种功能有机晶体材料设计方法 |
| PCT/CN2021/130357 WO2023029215A1 (zh) | 2021-08-30 | 2021-11-12 | 一种功能有机晶体材料设计方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004357.3A CN113764054A (zh) | 2021-08-30 | 2021-08-30 | 一种功能有机晶体材料设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113764054A true CN113764054A (zh) | 2021-12-07 |
Family
ID=78791797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111004357.3A Pending CN113764054A (zh) | 2021-08-30 | 2021-08-30 | 一种功能有机晶体材料设计方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113764054A (zh) |
| WO (1) | WO2023029215A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114300065A (zh) * | 2021-12-10 | 2022-04-08 | 深圳晶泰科技有限公司 | 分子设计方案的确定方法、装置、设备及存储介质 |
| WO2023102923A1 (zh) * | 2021-12-10 | 2023-06-15 | 深圳晶泰科技有限公司 | 分子设计方案的确定方法、装置、设备及存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117409888B (zh) * | 2023-12-15 | 2024-04-16 | 宁德时代新能源科技股份有限公司 | 一种分子结构设计方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100023473A1 (en) * | 2006-12-11 | 2010-01-28 | Neumann Marcus A | Tailor-made force fields for crystal structure prediction |
| US20120330632A1 (en) * | 2011-06-27 | 2012-12-27 | The Research Foundation Of State University Of New York | Method for predicting optimized crystal structures |
| CN110634537A (zh) * | 2019-07-24 | 2019-12-31 | 深圳晶泰科技有限公司 | 用于有机分子晶体结构高精度能量计算的双层神经网算法 |
| CN111445945A (zh) * | 2020-03-20 | 2020-07-24 | 北京晶派科技有限公司 | 一种小分子活性预测方法、装置和计算设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11443834B2 (en) * | 2018-05-09 | 2022-09-13 | Shenzhen Jingtai Technology Co., Ltd. | Automatic conformation analysis method for quasi-drug organic molecules |
| CN110097926B (zh) * | 2019-05-06 | 2022-08-02 | 南京邮电大学 | 一种无定形芘芴类衍生物的载流子迁移率的预测方法 |
| CN110890135B (zh) * | 2019-11-18 | 2022-05-24 | 西安近代化学研究所 | 一种含能n-氧化物晶体结构的预测方法 |
| CN112086132A (zh) * | 2020-08-18 | 2020-12-15 | 深圳晶泰科技有限公司 | 有机分子晶体构建方法及系统 |
| CN112466413B (zh) * | 2020-12-04 | 2024-04-12 | 南通海智医药科技有限公司 | 小分子药物特定晶形的分子调控方法 |
-
2021
- 2021-08-30 CN CN202111004357.3A patent/CN113764054A/zh active Pending
- 2021-11-12 WO PCT/CN2021/130357 patent/WO2023029215A1/zh unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100023473A1 (en) * | 2006-12-11 | 2010-01-28 | Neumann Marcus A | Tailor-made force fields for crystal structure prediction |
| US20120330632A1 (en) * | 2011-06-27 | 2012-12-27 | The Research Foundation Of State University Of New York | Method for predicting optimized crystal structures |
| CN110634537A (zh) * | 2019-07-24 | 2019-12-31 | 深圳晶泰科技有限公司 | 用于有机分子晶体结构高精度能量计算的双层神经网算法 |
| CN111445945A (zh) * | 2020-03-20 | 2020-07-24 | 北京晶派科技有限公司 | 一种小分子活性预测方法、装置和计算设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114300065A (zh) * | 2021-12-10 | 2022-04-08 | 深圳晶泰科技有限公司 | 分子设计方案的确定方法、装置、设备及存储介质 |
| WO2023102923A1 (zh) * | 2021-12-10 | 2023-06-15 | 深圳晶泰科技有限公司 | 分子设计方案的确定方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023029215A1 (zh) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113764054A (zh) | 一种功能有机晶体材料设计方法 | |
| CN110459274B (zh) | 一种基于深度迁移学习的小分子药物虚拟筛选方法及其应用 | |
| Dutta et al. | A near-linear scaling equation of motion coupled cluster method for ionized states | |
| Ibrahim et al. | A hybridization of differential evolution and monarch butterfly optimization for solving systems of nonlinear equations | |
| Woodley et al. | Structure prediction of inorganic nanoparticles with predefined architecture using a genetic algorithm | |
| Peng et al. | A hierarchical particle swarm optimizer with latin sampling based memetic algorithm for numerical optimization | |
| Long et al. | A hybrid cuckoo search algorithm with feasibility-based rule for constrained structural optimization | |
| Zhang et al. | A memetic particle swarm optimization algorithm for community detection in complex networks | |
| Yang et al. | Control and synchronization of chaotic systems by an improved biogeography-based optimization algorithm | |
| Hohenstein et al. | Rank-reduced coupled-cluster. III. Tensor hypercontraction of the doubles amplitudes | |
| Xue et al. | A new binary particle swarm optimisation algorithm for feature selection | |
| Anstine et al. | Aimnet2: A neural network potential to meet your neutral, charged, organic, and elemental-organic needs | |
| Dinu et al. | A new genetic approach for transport network design and optimization | |
| CN117198417A (zh) | 基于机器学习和目标优化的稳定晶体结构预测方法及系统 | |
| CN117035106A (zh) | 量子潮流计算修正方程的分阶计算方法、系统和存储介质 | |
| Pan et al. | Distribution consistent neural architecture search | |
| CN113722853B (zh) | 一种面向智能计算的群智能进化式工程设计约束优化方法 | |
| Fu et al. | Simulate time-integrated coarse-grained molecular dynamics with multi-scale graph networks | |
| Ghannami et al. | Stratified opposition-based initialization for variable-length chromosome shortest path problem evolutionary algorithms | |
| Tchendji et al. | High performance CGM-based parallel algorithms for the optimal binary search tree problem | |
| Regnier-Coudert et al. | Factoradic representation for permutation optimisation | |
| Bedin et al. | The use of a genetic algorithm for parameter adjustment of the multi-hypothesis aircraft tracking algorithm | |
| CN103646282B (zh) | 基于混合优化算法的并行处理方法 | |
| US11651839B2 (en) | Systems and methods for generating phase diagrams for metastable material states | |
| He et al. | A curve swarm algorithm for global search of state transition paths |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |