机器学习驱动的高能化合物设计:性能预测与新型燃料发现
需积分: 50 96 浏览量
更新于2024-07-09
收藏 15.47MB PDF 举报
该论文《基于机器学习的高能化合物分子设计与性质预测》深入探讨了利用机器学习技术在化学工艺领域的创新应用。作者侯放,在天津大学在张香文教授的指导下,针对高能化合物的分子设计和性质预测展开研究,尤其是在2020年5月26日的硕士论文答辩中,展示了其研究成果。
论文的核心内容涵盖了多种神经网络模型,如单层神经网络、多层神经网络和卷积神经网络,这些模型用于处理QM9数据库中的138,850个有机小分子,预测其15种性质,如能量性质(U0、U、H和G)。研究发现,以库仑矩阵及其特征值作为输入,单层和多层神经网络在预测能量性质上表现出很高的精度。而使用完整的库仑矩阵作为输入,深度神经网络能同时准确预测所有分子性质,证明了多层神经网络的层次结构在性质预测中的关键作用。
论文进一步聚焦于碳氢燃料的设计和研发,提出了一个基于机器学习的高效方法,可以预测和进行高通量筛选。这种方法通过设定关键燃料性质的阈值,成功从319,895个碳氢化合物分子中筛选出28个高性能分子,这些新型化合物具有高密度、高比冲、高质量热值和低冰点,对于合成新一代高密度碳氢燃料提供了理论依据。
此外,论文还探讨了机器学习在含氮化合物爆轰性质预测方面的应用,构建了一个包含436个含氮化物的数据集,旨在加速新型含氮炸药材料的研发。这种快速预测方法对于推动材料科学的进步具有显著价值。
这篇硕士论文展示了机器学习在高能化合物设计、性质预测以及燃料和炸药材料筛选中的潜力,不仅提高了研发效率,降低了成本,而且为新型材料的发现和优化提供了强有力的工具。通过这一系列的研究,作者不仅深化了对机器学习在化学领域应用的理解,也为实际工业生产中的高能化合物设计提供了实用的策略。
2022-07-09 上传
2023-09-08 上传
2023-12-30 上传
2023-07-05 上传
2023-12-20 上传
2023-10-21 上传
2023-07-30 上传
2023-09-10 上传
friday055
- 粉丝: 12
- 资源: 61
最新资源
- C语言快速排序算法的实现与应用
- KityFormula 编辑器压缩包功能解析
- 离线搭建Kubernetes 1.17.0集群教程与资源包分享
- Java毕业设计教学平台完整教程与源码
- 综合数据集汇总:浏览记录与市场研究分析
- STM32智能家居控制系统:创新设计与无线通讯
- 深入浅出C++20标准:四大新特性解析
- Real-ESRGAN: 开源项目提升图像超分辨率技术
- 植物大战僵尸杂交版v2.0.88:新元素新挑战
- 掌握数据分析核心模型,预测未来不是梦
- Android平台蓝牙HC-06/08模块数据交互技巧
- Python源码分享:计算100至200之间的所有素数
- 免费视频修复利器:Digital Video Repair
- Chrome浏览器新版本Adblock Plus插件发布
- GifSplitter:Linux下GIF转BMP的核心工具
- Vue.js开发教程:全面学习资源指南