有機小分子吸收能的精確計算：神經網絡與支持向量機方法.pdf

1、分子吸收能可以表征分子的內在結構信息和電子性質，是分子的一個重要物理屬性。因此，精確地預測吸收能是計算化學領域的一個重要問題。量子化學是研究分子微觀結構、性質和分子間相互作用的基礎學科，在近20年中，量子化學的基礎理論和計算方法取得了顯著進展。量子化學計算的一大優(yōu)勢在于它可以先于實驗來預測物質的性質或實驗上至今無法測得的一些物理量及無法觀測到的反應過程。量子化學計算在解釋和預測中小分子的實驗結果上顯示出巨大優(yōu)勢，但由于計算方法固有的近似

2、使得誤差不可避免，尤其是對于結構不規(guī)整的復雜大分子，計算誤差更大。在近10年里，許多統(tǒng)計校正方法被用于提高量子化學的計算精度。其步驟是先用量子化學方法計算分子的相關物理參數(shù)，然后用統(tǒng)計方法來確定理論計算和實驗值的數(shù)量關系，這些方法主要包括：多元線性回歸和人工神經網絡等。 本論文針對160個有機小分子體系，用人工神經網絡和支持向量機等方法來校正量子化學方法計算的結果，提高了量子化學計算吸收能的精度。在簡單的物理參數(shù)下，組合型計算方

3、法能夠減小理論計算因忽略電子相關效應和使用小基組所帶來的系統(tǒng)誤差，為準確、快捷地預測分子性質提供了一種新的研究手段。 研究工作主要包括如下幾個部分： 1、量子化學方法計算有機小分子的紫外可見吸收光譜，用遺傳算法優(yōu)化BP神經網絡（GABP）來提高有機小分子吸收能的計算精度。GABP1分別校正了三種量子化學計算方法：B3LYP/6-31G（d），B3LYP/STO-3G和ZINDO，校正前三種方法得到的均方根誤差分別是0．3

4、2，0．95和0．46 eV，校正后均方根誤差降低到了0．14，0．19和0．18 eV。其中，B3LYP/6-31G（d）—GABP1計算結果誤差較小，基本與實驗值吻合。 2、GABP2用于確定B3LYP/6-31G（d）—GABP1計算值和低水平理論計算方法之間的數(shù)量關系，例如B3LYP/STO-3G和ZINDO。GABP2校正B3LYP/STO-3G和ZINDO后誤差的均方根降低到了0．20和0．19 eV。比較兩次校正結

5、果，我們可以驗證GABP方法的有效性和可行性。顯然，B3LYP/6-31G（d）—GABP1可以有效的提高有機小分子吸收能的精度，并且在實驗結果不可獲得或者不可得到的情況下，B3LYP/6-31G（d）—GABP1的校正值可以看做是實驗的近似值。 3、B3LYP/6-31G（d）—GABP方法可以分析較大分子的吸收能，當大分子缺少實驗值或者無法獲得較高精度理論值的時候，它可能成為一個預測實驗值的有效的理論計算工具。 4、

6、根據(jù)所選數(shù)據(jù)集來增加物理參數(shù)，然后用多元線性回歸來篩選物理參數(shù)。 5、引入最小二乘支持向量機來提高密度泛函理論計算值。最小二乘支持向量機校正后的誤差由0．32 eV降低到了0．11 eV。相比多元線性回歸來說，最小二乘支持向量機有更好的適應能力和校正效果。在無法獲得實驗值或無法得到精度較高的量子化學計算結果的時候，最小二乘支持向量機校正B3LYP/6-31G（d）的方法可以有效的預測分子的吸收能。最小二乘支持向量機擴展了B3LY