(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110723107.9 (22)申请日 2021.06.28 (65)同一申请的已公布的文献号 申请公布号 CN 113312853 A (43)申请公布日 2021.08.27 (73)专利权人 南京玻璃纤维研究设计院有限公 司 地址 210012 江苏省南京市雨 花台区安德 里30号 (72)发明人 赵明　赵谦　刘鑫　陈阳　匡宁　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 张勇 (51)Int.Cl. G06F 30/27(2020.01)G06F 119/14(2020.01) 审查员 陈雅 (54)发明名称 一种基于分子动力学和岭回归算法的密度 预测方法 (57)摘要 本发明公开了一种基于分子动力学和岭回 归算法的密度预测方法， 属于机器学习预测玻璃 性能技术领域。 所述方法在构造用于机器学习的 描述符时， 基于分子动力学构造具有不同对称性 的氧化物晶体的原子结构模型作为分子动力学 计算的晶胞， 且选择每单位阳离 子i的结合能 和晶胞中阳离子i与最近邻氧离子的 键长L作为预测性能参数， 同时基于岭回归模型 构建密度预测模 型， 实现了对于玻璃密度的快速 准确预测， 尤其针对一些对密度要求较高的玻璃 产品的研发， 很大程度上节省了 研发成本。 权利要求书3页 说明书12页 附图3页 CN 113312853 B 2022.10.21 CN 113312853 B 1.一种基于分子动力学和岭回归算法的密度预测方法， 其特 征在于， 所述方法包括： 步骤1， 采集组分构成不同的氧化物玻璃材料的密度数据， 构建密度数据库， 所述密度 数据库中包括 一一映射的玻璃成分和其对应的密度； 步骤2， 基于分子动力学构造氧化物玻璃材料具有不同对称性的氧化物晶体的原子结 构模型， 并以每种晶体的每单位阳离子i的结合能 和晶胞中阳离子i与最近邻氧离 子的键长L作为性能参数构造密度的包 含材料基因的描述符； 步骤3， 基于步骤1构建得到的密度数据库和步骤2构造的描述符， 构建训练集、 验证集 和测试集； 步骤4， 基于岭回归模型构建密度预测模型， 根据步骤3构造的训练集、 验证集和测试集 对所构建的密度预测模型进行训练， 得到训练好的密度预测模型； 步骤5， 针对待预测的玻璃材料， 根据其组分构成获得其包含材料基因的描述符； 并利 用训练好的密度预测模型 预测所述待预测的玻璃材 料的密度。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤2包括： 步骤2‑1构造具有不同对称性的氧化物晶体的原子结构模型， 作为分子动力学计算的 晶胞； 步骤2‑2对于步骤2 ‑1中构造得到的每一种晶胞结构， 进行分子动力学计算， 获得晶胞 能量Ecrystal； 步骤2‑3， 对于步骤2 ‑1中构造得到的每一种晶胞结构， 通过进一步的计算获得其性能 参数集合， 构造用于 机器学习的描述符 式中， n为幂平均的指数， 取值为 ‑4到+4之间的所有非零整数； Cation为所有阳离子的 集合； Ci为对应阳离子i的成分比例； x为性能参数集合中的某一个性能参数， 表示当幂 指数为n时， 阳离子i的结构对应的第m个性能参数； m＝1,2； 为幂指数为n时， 阳离子i的 结构对应的第m个描述符； 性能参数包括每种晶体的每单位阳离子i的结合能 和晶 胞中阳离 子i与最近邻氧离 子的键长L。 3.根据权利要求2所述的方法， 其特征在于， 所述每单位阳离子i的结合能 的计 算方法为： 利用步骤2 ‑2获得的晶胞能量Ecrystal减去相同数目和种类的单个原 子的能量 之和， 计算 公式为： 式中， M为晶体晶胞中阳离子i的数目， Ei和EO分别是单个阳离子i和单个氧原子O在一个 晶胞里能量。 4.根据权利要求3所述的方法， 其特征在于， 所述步骤2 ‑1构造具有不同对称性的氧化 物晶体的原子结构模型， 作为分子动力学计算的 晶胞， 包括：权　利　要　求　书 1/3 页 2 CN 113312853 B 2(1)对于+1价阳离子， 按照CaF2结构构造晶体， 氧离子组成面心立方结构， 阳离子在面心 立方的四面体间隙； (2)对于+2价阳离子， 按照NaCl结构构造晶体， 阳离子组成面心立方结构， 氧离子在面 心立方的六面体间隙； (3)对于+3价阳离 子， 按照α ‑Al2O3结构构造晶体； (4)对于+4价阳离子， 按照CaF2结构造晶体， 阳离子组成面心立方结构， 氧离子在面心立 方的四面体间隙。 5.根据权利要求4所述的方法， 其特征在于， 所述步骤1中构建密度数据库时， 还包括， 对采集到的组分构成不同的氧化物玻璃材 料的密度数据进行 预处理： 针对每两种玻璃成分， 判断以下两个条件是否同时成立： 条件1： 玻璃成分中， 每种氧化物组元的成分的摩尔比差值小于等于第一预设阈值， 单 位为百分比； 条件2： 两种玻璃的密度的差值大于第二预设阈值， 单位 为百分比； 若同时成立， 则将对应的两种玻璃成分和相应的密度数据从密度数据库中剔除。 6.根据权利要求5所述的方法， 其特征在于， 所述第 一预设阈值为2％， 第 二预设阈值为 10％。 7.根据权利要求6所述的方法， 其特征在于， 所述岭回归模型中， 预测密度y和描述符 满足以下关系： 其中， θ0为回归系数， Per为性能参数集合， 为 对应的回归系数， n为 ‑4到4的非零 整数； 岭回归模型的损失函数为： 式中， J( θ )为损失函数， N为样本个数， ya为密度预测值， Ya为密度实际值， β 为调节超参 数， β ＞0。 8.一种基于分子动力学和岭回归算法的密度预测系统， 其特 征在于， 所述系统包括： 密度数据库构建模块， 用于采集组分构成不同的玻璃材料的密度数据， 构建密度数据 库， 该密度数据库 库中包括 一一映射的玻璃成分和其对应的密度； 描述符构建模块， 用于基于分子动力学构造氧化物玻璃材料密度的包含材料基因 的描 述符； 训练数据构建模块， 用于基于密度 数据库构建模块构建得到的密度数据库和描述符构 建模块构造的描述符， 构建训练集、 验证集和 测试集； 模型构建训练模块， 用于基于岭回归模型树构建密度预测模型， 根据训练数据构建模 块构造的训练集、 验证集和测试集对所构建的密度预测模型进行训练， 得到训练好的密度 预测模型； 预测模块， 用于针对待预测的玻璃材料， 利用所述模型构建训练模块训练好的密度预权　利　要　求　书 2/3 页 3 CN 113312853 B 3