[发明专利]一种基于机器学习的气体分子电离碰撞截面预测方法

说明书

本发明涉及气体分子碰撞截面技术领域，尤其是一种气体分子电离碰撞截面的预测方法，为了快速获得气体分子电离碰撞截面，现提出如下方案，其包括如下步骤：步骤1，根据待预测的第一气体分子，选择比第一气体分子的原子数少的第二气体分子作为训练集气体分子；步骤2，计算训练集气体分子电离碰撞截面；步骤3，选择机器学习模型；步骤4，在所述机器学习模型中建立f(X)＝y的映射关系；步骤5，根据所述特征向量和训练集气体分子电离碰撞截面训练机器学习模型；步骤6，在机器模型中输入第一气体分子的特征向量，预测第一气体分子电离碰撞截面。本发明达到了快速获得气体分子电离碰撞截面的目的。

技术领域

本发明涉及气体分子碰撞截面领域，尤其是一种气体分子电离碰撞截面的预测方法。

背景技术

碰撞截面是描述微观粒子散射概率的一种物理量，用来表征粒子发生碰撞的概率，目前电离碰撞截面的获取分为实验测量和理论计算两种方式，其中，实验测量的方法成本较高，而理论计算方法由于依赖量子化学模型，其计算量随分子组成原子数的增多而指数增长，对于近年来在电气工程领域受到广泛关注的新型环保型气体分子，如C₅F₁₀O、C₄F₇N等，由于分子的组成原子数较多，用高精度的量子化学理论模型计算相当耗时，为了快速获得气体分子电离碰撞截面，本发明提出一种气体分子电离碰撞截面的预测方法。

发明内容

为解决现有技术中的问题，本发明提出的一种基于机器学习的气体分子电离碰撞截面预测方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于机器学习的气体分子电离碰撞截面预测方法，包括如下步骤：

步骤1，根据待预测的第一气体分子，选择比第一气体分子的原子数少的第二气体分子作为训练集气体分子，所述第二气体分子与第一气体分子所含元素种类相同；

步骤2，计算训练集气体分子电离碰撞截面；

步骤3，选择机器学习模型；

步骤4，在所述机器学习模型中建立f(X)＝y的映射关系，所述X为表征气体分子电离碰撞截面的特征向量，所述y为气体分子电离碰撞截面；

步骤5，根据所述特征向量和训练集气体分子电离碰撞截面训练机器学习模型；

步骤6，在机器模型中输入第一气体分子的特征向量，预测第一气体分子电离碰撞截面。

进一步地，步骤11，所述第二气体分子可通过构造方式获得，所述构造方式包括通过移除第一气体分子的至少一个组成原子来构造第二气体分子。

进一步地，所述步骤2的具体过程包括：

步骤21，首先应用基于APF-D泛函的密度泛函理论方法对训练集气体分子的结构进行优化，得出优化训练集气体分子；

步骤22，应用APF-D/aug-cc-pvtz量子化学计算模型计算所述优化训练集气体分子的结合能和动能，所述结合能包括价层电子轨道结合能和非价层电子轨道结合能；

步骤23，应用电子传播子理论EPT方法对所述价层电子轨道结合能进行修正，得出修正价层电子轨道结合能；

步骤24，采用完备基组方法计算优化训练集分子的电离能；

步骤25，将所述修正价层电子轨道结合能、非价层电子轨道结合能、动能和电离能输入BEB模型计算训练集气体分子电离碰撞截面。

进一步地，所述X包括入射电子能量和电子数，X和y的结构如下：