典型文献
高通量计算与深度学习相结合的稠环含能化合物设计
文献摘要：
含能化合物的设计效率决取于多方面因素,如筛选空间中潜在高性能样本的占比和关键性能的准确预测方法.本研究提出预筛选分子骨架提升虚拟筛选空间整体性能的方案,并将高通量计算与深度学习相结合用于含能化合物设计.研究发现,含能分子的晶体密度与其骨架密度之间存在中度的正相关性,通过预筛选高密度分子骨架可以有效提升虚拟筛选空间的整体密度.研究基于晶体学数据库CCDC提供的含能晶体密度数据集,采用深度学习方法获得含能晶体的密度预测模型,具有可靠的精度和泛化性.在此基础上,以稠环类含能化合物为研究对象,通过骨架预筛选获得高密度的稠环分子骨架,从而通过分子片段组装获得由潜在的高密度分子组成的虚拟筛选空间.研究采用量子化学计算和爆轰产物状态方程等方法实现了生成焓、爆轰性能和化学稳定性的预测,从而由性能排序筛选出能量水平优于RDX,稳定性优于TNT的新型含能分子6个.研究表明,分子骨架预筛选可以有效提升虚拟筛选空间的总体性能,在此基础上借助高通量计算与深度学习可实现含能分子的高效设计.
文献关键词：
含能分子;分子设计;深度学习;高通量计算;虚拟筛选;稠环
中图分类号：
作者姓名：
王润文;杨春明;刘建
作者机构：
西南科技大学计算机科学与技术学院,四川 绵阳 621000;中国工程物理研究院化工材料研究所,四川 绵阳 621999
文献出处：
引用格式：
[1]王润文;杨春明;刘建-.高通量计算与深度学习相结合的稠环含能化合物设计)[J].含能材料,2022(12):1226-1236
A类：
含能分子
B类：
高通量计算,稠环,含能化合物,设计效率,关键性能,准确预测,虚拟筛选,空间整体性,整体性能,体密度,骨架密度,晶体学,CCDC,深度学习方法,密度预测,泛化性,分子组成,量子化学计算,爆轰产物,状态方程,生成焓,爆轰性能,化学稳定性,性能排序,能量水平,RDX,TNT,总体性能,高效设计,分子设计
AB值：
0.321151
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
