基于图神经网络的电解液配方性质预测方法及装置与流程

本发明涉及电解液配方性质预测钢，具体涉及一种基于图神经网络的电解液配方性质预测方法及装置。

背景技术：

1、配方性质预测是电池电解液研发过程中非常关键的步骤，该技术能够快速帮助研究人员获取当前配方的性质，可以加速电池电解液的研发。

2、目前，研究人员主要通过人为经验和大量实验才能得到一个配方的真正的性质，人为经验可以帮助筛选掉大量不靠谱的配方，然后研究人员可以通过实验来对剩余的电解液配方进行实验，这种方法耗时耗力。

3、因此，如何发明一种电解液配方性质预测方法，能够在极短时间内即可得到相对高精度的配方性质，提升电解液配方获取效率，成为亟需解决的问题。

技术实现思路

1、为此，本发明提供一种基于图神经网络的电解液配方性质预测方法及装置，不仅仅继承了该领域的专家的经验，而且可以在极短时间内即可得到相对高精度的配方性质，然后研究人员只需要对其中较好的几组配方进行实验即可获得自己想要的配方。

2、为了实现上述目的，本发明提供如下技术方案：基于图神经网络的电解液配方性质预测方法，包括：

3、根据原始分子图中原子节点的架构，通过目标电解液配方中的分子节点，生成目标电解液虚拟分子；

4、基于开源模型，构建预训练模型；通过设定训练数据集对所述预训练模型进行训练，获得训练好的预训练模型；

5、基于图神经网络，构建性质预测模型；通过所述设定训练数据集对所述性质预测模型进行训练，获得训练好的性质预测模型；

6、将所述目标电解液虚拟分子输入所述训练好的预训练模型；通过所述训练好的预训练模型处理，获得所述目标电解液虚拟分子的特征；

7、将所述目标电解液虚拟分子的特征输入所述训练好的性质预测模型；通过所述训练好的性质预测模型预测处理，获得目标电解液配方的性质。

8、作为基于图神经网络的电解液配方性质预测方法的优选方案，在通过所述设定训练数据集对所述预训练模型及所述性质预测模型进行训练的过程中，所述设定训练数据集按照设定比例划分为训练集、验证集和测试集。

9、作为基于图神经网络的电解液配方性质预测方法的优选方案，所述目标电解液虚拟分子的特征包括低纬度atom级别特征和bond级别特征；在获取所述低纬度atom级别特征的过程中，通过所述训练好的预训练模型对所述目标电解液虚拟分子进行分子表征处理，获得高纬度atom级别特征；将所述高纬度atom级别特征通过设定降维算法处理，获得所述低纬度atom级别特征。

10、作为基于图神经网络的电解液配方性质预测方法的优选方案，在获取所述bond级别特征的过程中，所述bond级别特征包括分子之间模拟连接关系、非共价相互作用能和vip垂直离子化能；

11、所述非共价相互作用能的计算公式为：

12、；

13、式中， ie为非共价相互作用能； δe_els为片段间经典静电作用能， els代表静电相互作用； δe_x为交换作用能， x代表交换相互作用； δe_dc为色散校正能； δe_orb为轨道相互作用能；

14、所述vip垂直离子化能的计算公式为：

15、；

16、；

17、；

18、式中，为vip垂直离子化能； 、均为分子的质量； 、均为分子失去一个电子后的能量； 、均为分子完整的能量；为分子1的垂直离子化能；为分子2的垂直离子化能。

19、作为基于图神经网络的电解液配方性质预测方法的优选方案，在通过所述设定训练数据集对所述性质预测模型进行训练，获得所述训练好的性质预测模型的过程中，通过图神经网络对所述设定训练数据集中的所述目标电解液虚拟分子的低纬度atom级别特征和bond级别特征进行学习，输出特征与性质标签；通过对所述特征与性质标签进行标签验证，迭代优化图神经网络的参数，直至达到设定训练次数，获得所述训练好的性质预测模型。

20、本发明还提供一种基于图神经网络的电解液配方性质预测装置，基于以上一种基于图神经网络的电解液配方性质预测方法，包括：

21、目标电解液虚拟分子生成模块，用于根据原始分子图中原子节点的架构，通过目标电解液配方中的分子节点，生成目标电解液虚拟分子；

22、预训练模型构建及训练模块，用于基于开源模型，构建预训练模型；通过设定训练数据集对所述预训练模型进行训练，获得训练好的预训练模型；

23、性质预测模型构建及训练模块，用于基于图神经网络，构建性质预测模型；通过所述设定训练数据集对所述性质预测模型进行训练，获得训练好的性质预测模型；

24、分子特征获取模块，用于将所述目标电解液虚拟分子输入所述训练好的预训练模型；通过所述训练好的预训练模型处理，获得所述目标电解液虚拟分子的特征；

25、电解液配方性质获取模块，用于将所述目标电解液虚拟分子的特征输入所述训练好的性质预测模型；通过所述训练好的性质预测模型预测处理，获得目标电解液配方的性质。

26、作为基于图神经网络的电解液配方性质预测装置的优选方案，所述预训练模型构建及训练模块和所述性质预测模型构建及训练模块中，在通过所述设定训练数据集对所述预训练模型及所述性质预测模型进行训练的过程中，所述设定训练数据集按照设定比例划分为训练集、验证集和测试集。

27、作为基于图神经网络的电解液配方性质预测装置的优选方案，所述分子特征获取模块中，所述目标电解液虚拟分子的特征包括低纬度atom级别特征和bond级别特征；在获取所述低纬度atom级别特征的过程中，通过所述训练好的预训练模型对所述目标电解液虚拟分子进行分子表征处理，获得高纬度atom级别特征；将所述高纬度atom级别特征通过设定降维算法处理，获得所述低纬度atom级别特征。

28、作为基于图神经网络的电解液配方性质预测装置的优选方案，所述分子特征获取模块中，在获取所述bond级别特征的过程中，所述bond级别特征包括分子之间模拟连接关系、非共价相互作用能和vip垂直离子化能；

29、所述非共价相互作用能的计算公式为：

30、；

31、式中， ie为非共价相互作用能； δe_els为片段间经典静电作用能， els代表静电相互作用； δe_x为交换作用能， x代表交换相互作用； δe_dc为色散校正能； δe_orb为轨道相互作用能；

32、所述vip垂直离子化能的计算公式为：

33、；

34、；

35、；

36、式中，为vip垂直离子化能； 、均为分子的质量； 、均为分子失去一个电子后的能量； 、均为分子完整的能量；为分子1的垂直离子化能；为分子2的垂直离子化能。

37、作为基于图神经网络的电解液配方性质预测装置的优选方案，所述性质预测模型构建及训练模块中，在通过所述设定训练数据集对所述性质预测模型进行训练，获得所述训练好的性质预测模型的过程中，通过图神经网络对所述设定训练数据集中的所述目标电解液虚拟分子的低纬度atom级别特征和bond级别特征进行学习，输出特征与性质标签；通过对所述特征与性质标签进行标签验证，迭代优化图神经网络的参数，直至达到设定训练次数，获得所述训练好的性质预测模型。

38、本发明具有如下优点：根据原始分子图中原子节点的架构，通过目标电解液配方中的分子节点，生成目标电解液虚拟分子；基于开源模型，构建预训练模型；通过设定训练数据集对所述预训练模型进行训练，获得训练好的预训练模型；基于图神经网络，构建性质预测模型；通过所述设定训练数据集对所述性质预测模型进行训练，获得训练好的性质预测模型；将所述目标电解液虚拟分子输入所述训练好的预训练模型；通过所述训练好的预训练模型处理，获得所述目标电解液虚拟分子的特征；将所述目标电解液虚拟分子的特征输入所述训练好的性质预测模型；通过所述训练好的性质预测模型预测处理，获得目标电解液配方的性质。本发明不仅仅继承了该领域的专家的经验，而且可以在极短时间内即可得到相对高精度的配方性质，然后研究人员只需要对其中较好的几组配方进行实验即可获得自己想要的配方。