CN110767267B - 一种基于Python对ReaxFF力场计算结果数据处理的方法 - Google Patents
一种基于Python对ReaxFF力场计算结果数据处理的方法 Download PDFInfo
- Publication number
- CN110767267B CN110767267B CN201910944377.5A CN201910944377A CN110767267B CN 110767267 B CN110767267 B CN 110767267B CN 201910944377 A CN201910944377 A CN 201910944377A CN 110767267 B CN110767267 B CN 110767267B
- Authority
- CN
- China
- Prior art keywords
- molecular
- file
- function
- product
- python
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
一种基于Python对ReaxFF力场计算结果数据处理的方法，属于化学分子反应动力学技术领域，该方法包括以下步骤：步骤一、读取和整合分子类型信息species文件的数据；步骤二、对整合分子信息output.txt文件进行分子分类；步骤三、对各产物进行分子量计算，得到各产物的分子质量百分比。本发明提供的处理方法能够高效便捷的读取模拟产生的多样的数据文件类型，减少数据文件在转存格式花费的时间和步骤；并且该方法可以归纳具有多样性的模拟产物的分子类型，可以得到多种产物随时间的变化，为反应分子动力学模拟探索各种工况下的热解燃烧微观机理，明确产物变化规律提供便利。
Description
技术领域
本发明属于化学分子反应动力学技术领域，具体涉及一种基于Python对ReaxFF力场计算结果数据处理的方法。
背景技术
分子模拟是利用计算机以分子模型模拟分子的结构和行为，从而获得分子体系的各种物理和化学特性。反应分子动力学模拟是反应力场和分子动力学的结合，将GPU并行与基于化学信息学分析化学反应相结合的新方法,可使规模为～10,000原子的规模在桌面机上高效模拟，其具有比较高的预测准确度，又能比较简单地描述化学反应方法的优点。Lammps(Large-scaleAtomic/Molecular Massively Parallel Simulator)主要运用分子动力学模拟相关的一些计算模拟工作。Lammps可以支持包括气态，液态或者固态相形态下、各种系综下、百万级的原子分子体系，还可以提供支持多种势函数。
ReaxFF(Reactive Force Field)反应力场是基于键级的化学反应力场，为系统研究凝聚态性质及处理其中可能存在的化学反应提供了可能，而且能够在不预先定义化学反应路径的前提下模拟具有反应性的分子体系的化学反应。ReaxFF力场现在已经覆盖了元素周期表的30多种元素，模拟体系范围广：例如可以模拟碳氢有机小分子体系，高分材料体系、金属氧化物体系等快速反应过程(爆炸、燃烧，热解等)。ReaxFF MD(Reactive ForceField Molecular Dynamics)现在已经成为分子模拟中一种重要的模拟手段。
Lammps支持的ReaxFF力场模拟在碳氢化合物体系成功运用，使国内外学者对探索更为复杂的煤热解和燃烧机理方面产生了浓厚的兴趣，越来越多的人利用ReaxFF力场计算和构建大型煤分子体系来模拟热解和燃烧的过程。
但是对于含有成千上万原子的复杂体系的统计分析却较为困难，复杂体系的数据量庞大冗杂，且数据文件类型多样，利用人工筛选数据，不仅耗费时间长，且准确率较低。另外，通过统计整理结果文件，然后利用Excel或者Origin进行函数计算，再进行绘制图形的方式不仅步骤繁琐，且工作效率低下。对于模拟结果产生的数据文件，目前还没有形成成熟的分析手段进行处理。因此本发明提出一种方便快捷的数据处理方法具有重要的意义。
发明内容
本发明的目的在于提供一种高效便捷的基于Python对ReaxFF力场计算结果数据处理的方法。
基于上述目的，本发明采用如下技术方案：
一种基于Python对ReaxFF力场计算结果数据处理的方法，其特征在于，包括以下步骤：
步骤一、读取和整合分子类型信息species文件(分子类型信息源原件)的数据：
1.1、采用基于ReaxFF力场得到包含每个时刻下的分子种类和分子数量的species文件，并搭建Python环境；
1.2、然后使用Python导入linecache、datatime、csv等标准模块，并从copy模块中导入deepcopy进行分子类型信息源文件的保护，防止分子类型文件被误改；并使用def函数定义整个读取和整合功能，以此进行反复调用；
1.3、去掉species文件中多余的空格和‘#’号建立分子类型中间文件(middle)，并使species文件以Python中序列的内置类型--列表的形式写入分子类型中间文件；
1.4、并创建两个新的列表变量，分别存储分子类型中间文件中的标题行(分子类型)与数据行(分子数量)；利用配对函数对存储的两个列表变量的字符串进行批量处理，然后对标题行之间与数据行之间的空格进行删减和切片，实现标题行和数据行的格式处理；
1.5、对标题行利用循环进行整合，整合成一个涵盖各个Timestep(时间段)下的不重复的分子类型的总标题，并对分子类型进行排序；并创建一个字典格式(这是Python自带的字典函数：key与value配对，一个key对应一个value)以供写入，默认key的value为0；
1.6、创建文件名称为整合分子信息output.txt的新文件，将标题行写入，随后进行循环遍历分子类型和分子数量，将其存储在配对字典函数的k-v值中，将分子数量的value值赋值给总标题中的各分子类型key并写入output.txt文件。
步骤二、对整合分子信息output.txt文件进行分子分类：
2.1、以整合分子信息output.txt文件为基础，搭建Python环境，使用Python导入pandas库，pandas是基于Numpy的一种工具，该工具是为了解决数据分析任务而创建，pandas纳入了大量库和一些标准的数据类型，提供了高效地操作大型数据库所需工具和快速便捷地处理数据的函数和方法。并导入Python内建的集合模块collections；使用pandas.read_csv()读取分子信息整合文件output.txt；使用engine为Python，相比C，Python的engine功能较为完备；
2.2、然后定义计算标题的分子量函数calculate molecular mass与识别分子式中原子下标函数count ofatoms，并对output.txt和筛分产物中间文件进行分类得到相应分子的.csv文件，从而得到产物产量随时间变化的文件。
步骤三、对各产物进行分子量计算，得到各产物的分子质量百分比：
3.1、使用pandas.read_csv()读取分子名称.csv文件并用'，'分隔；使用pandas.set_index()设定Timestep为索引，将inplace设置为True，不创建新对象，直接在output.txt中修改；
3.2、使用DataFrame内置版本.columns.values.tolist快速得到所有列名；定义空白字典weight_dict来存储由calculate molecular mass函数计算的总标题行的各分子质量；
3.2、使用pandas.apply()内置函数调用求和公式计算各Timestep下的分子数总量，将其赋值给df1['mole_count']；
3.4、使用自定义函数mass()实现用各Timestep下的分子数量相乘总标题的各分子质量，然后进行累加实现计算分子质量的功能，最后使用pandas.apply()内置函数调用自定义函数mass()计算分子数量将其赋值给df1['weight']；从而得到各Timestep下的相应产物的分子质量；
3.5、将各产物下的分子质量运用pandas数据库下灵活的包装器.add()和.div()进行百分比的计算；
3.6、最终运用.columns()填充各产物计算百分比，最终得到.to_csv()命名下的weight_percentage.csv各产物百分比结果文件。
优选地，步骤2.2中，对output.txt和筛分产物中间文件进行分类的具体过程为：使用变量i遍历output.txt和筛分产物中间文件的总标题中的分子式，并用双重判定，其中，先使用判定条件1：使用函数i.startswith()判别前缀，区分原子类别；再使用判定条件2：对自定义函数count ofatoms判别原子数目从而分类，
优选地，所述分子量函数(calculate molecular mass)是用来计算标题中单个分子的分子量，具体为：首先将元素周期性列表中的元素-分子量使用字典k-v(key-value)对应，再对分子进行字符串识别，根据output.txt文件中的分子式性质例如分子式(CO3Ca)，单元素例如C大写.isupper()，双元素例如Ca，C大写a小写.islower()，进行条件判断筛分，将元素初始值设置为0，读取字符串中元素下标数字使用.isdigit()，并进行字典函数下标数字前的元素查询，进行相乘相加，得到单个分子的分子量。
优选地，所述原子下标函数(count ofatoms)用来识别原子的数量，以便对产物进行分类，遍历分子式中的原子，条件判断是否为相应原子，并写入字典，使用collections.defaultdict(int)计算相应原子出现的个数，.isdigit()函数识别相应原子的下标数字，得出相应原子的个数。
本发明具有如下优点：
1、由于ReaxFF力场的分子动力学模拟处理数据量大，处理元素对象缺乏多样性，处理步骤繁琐，本发明提供的处理方法能够高效便捷的读取模拟产生的多样的数据文件类型，减少数据文件在转存格式花费的时间和步骤。其中，Python自身的linecache模块能够得到文件的全部内容，输出列表格式，列表可以完成大多数集合类的数据结构实现，它支持字符、数字、字符串甚至可以包含列表(即嵌套)，是Python最通用的符合数据类型。在后续处理中能对冗杂的数据进行统计和整合，适应多种类型元素对象，使分析数据更加方便和清晰。
2、本发明提供的方法可以归纳具有多样性的模拟产物的分子类型，可以得到多种产物随时间的变化，为反应分子动力学模拟探索各种工况下的热解燃烧微观机理，明确产物变化的规律提供便利，克服了现有技术VARMD与lammps自带的分析软件中分析元素单一，不适用含有各种各样的元素体系的缺点。尤其是对于煤热解过程，能够建立一套较为完整的对煤热解模拟结果产物进行分子分类的系统方法，可以得到含有焦油、煤炭、气体的以及其他无机产物在煤热解中随时间的变化，可以为反应分子动力学模拟探索各种工况下的含有不同煤种热解燃烧微观机理，明确产物变化的规律。
附图说明
图1为本发明方法的基于Python对ReaxFF力场计算结果数据处理的方法的流程图；
图2为本发明的准备分子类型信息species文件；
图3为本发明的整合分子信息output.txt文件；
图4为本发明方法对分子分类的流程图；
图5为本发明的焦炭产物C40+.csv文件；
图6为本发明得各产物重量百分比weight_percentage.csv文件。
具体实施方式
以下结合附图和具体实施案例作进一步详细说明。
本发明将基于Python对ReaxFF力场计算结果数据处理的方法应用于煤热解过程，可以得到含有焦油、煤炭、气体以及其他无机产物在煤热解中随时间的变化，可以为反应分子动力学模拟探索各种工况下的含有不同煤种热解燃烧微观机理，明确产物变化的规律提供便利。
基于Python对ReaxFF力场对煤热解计算结果数据处理的方法的流程如图1所示，具体包括以下步骤：
步骤一、读取和整合分子类型信息species文件的数据
1.1、以搭建的含有C/HO/Ca的煤模型为基础，对其进行基于ReaxFF力场的反应分子动力学模拟，模拟后得到的包含每个时刻下的分子种类和分子数量的species文件如图2所示，并搭建Python环境。
1.2、然后使用Python导入linecache、datatime、csv等标准模块，并从copy模块中导入deepcopy进行species文件的保护，防止分子类型文件被误改；并使用def函数定义整个读取和整合功能，以此进行反复调用。
1.3、建立分子类型中间文件以便能够在不更改分子类型信息源文件的前提下进行处理，即去掉分子类型信息源文件中多余的空格和‘#’号，并能够使分子类型信息源文件以Python中序列的内置类型--列表的形式写入分子类型中间文件，以此得到分子类型中间文件以便进行索引和切片。
1.4、创建两个新的列表变量，将分子类型中间文件中的标题行(分子类型)与数据行(分子数量)进行分别存储。对存储的两个列表变量的字符串利用配对函数进行批量处理，对标题行之间与数据行之间的空格进行删减和切片，实现标题行和数据行的格式处理。
1.5、对标题行利用循环进行整合，整合成一个涵盖各个Timestep下的不重复的分子类型的总标题，并对分子类型进行排序。并创建一个字典格式以供写入，默认key的value为0。
1.6、创建整合分子信息文件，文件名称为output.txt，(如图3)，将标题行写入，随后进行循环遍历以分子类型和分子数量，将其存储在配对字典函数的k-v值中，将分子数量(value)值赋值给总标题中的各分子类型(key)并写入output.txt文件。
步骤二、对整合分子信息output.txt文件进行分子分类
2.1、使用Python导入pandas库，并导入Python内建的集合模块collections；使用pandas.read_csv()读取整合分子信息output.txt文件。
2.2、首先，定义两个函数，即计算标题的分子量函数calculate molecular mass与识别分子式中碳原子下标函数count ofatoms。
其次对output.txt进行分类，其流程如图4所示。在煤热解过程中将煤热解产物划分为小分子气体、轻质焦油、重质焦油和焦炭。根据前人CPD模型采用的焦油质量分布，将ReaxFF MD煤热解产物进行如下定义：含碳原子数目大于40的产物为焦炭；含碳原子数目在14-40之间的为重质焦油；含碳原子数目在5-13之间的为轻质焦油；其他产物为小分子气体。
然后使用变量i遍历output.txt的总标题中的分子式，并用双重判定，即判定条件1：先使用函数i.startswith()判别前缀，区分C原子与Ca原子，以及使用条件'Ca'not ini，判断分子式中不含Ca原子，再使用自定义函数count ofatoms即判定条件2：判别碳原子数目从而分类，具体步骤如下：
先进行焦炭C40+产物的筛分，即满足ifcount ofatoms(i)>40+为true，使用C40+.append(i)储存C40+分子的类型和数量,最终得到名为C40+的焦炭产物文件分子种类随时间变化统计结果如图5所示。
随后为了加速筛分效率，建立筛分产物中间文件，将去除C40+分子的余下分子种类存储在筛分产物中间文件中，再对余下的分子种类进行遍历和双重判定，得到筛选成功的C14-40.csv重质焦油产物文件。
C5-13.csv轻质焦油产物文件和C1-4.csv轻质气体产物文件也可以以上述方法得到。
其次对设定判定条件1中'Ca'in i，得到热解结果中粘连在有机物上的钙的分子式，使用上述分类方法，可以研究钙分布在各热解产物的分布，以及钙在热解中的迁移转化规律。
研究无机钙的组成，对探究钙对煤热解的影响也起到至关重要的作用。设定判定条件1为If'Ca'in i and not i.startswith('C'),得到所有无机钙的种类，再设定判定条件2，可以得到各无机钙的种类分布：
设定判定条件2：Ifi＝＝'Ca'，得到Ca.csv文件，从而得到钙原子的产量随时间变化的文件；
设定判定条件2：If'Ca'in i and'O'in i and'H'not in i，得到CaO.csv文件，从而得到氧化钙的产量随时间变化；
设定判定条件3：If'Ca'in i and'O'in i and'H'in i，得到Ca(OH)2.csv文件，从而得到氢氧化钙的产量随时间的变化。
研究重要的无机气体随时间的变化，对探究煤热解和煤结构也有参考意义。设定判定条件1：If'Ca'not in i and not i.startswitsh('C')，得到所有无机气体的种类：
设定判定条件2：Ifi＝＝'H2'，得到H2.csv文件，从而得到氢气产量随时间变化；
设定判定条件2：Ifi＝＝'H2O'，得到H2O.csv文件，从而得到水产量随时间变化；
设定判定条件2：Ifi＝＝'O2'，得到O2.csv文件，从而得到氧气产量随时间变化；
设定判定条件2：Ifi＝＝'CO'，得到CO.csv文件，从而得到一氧化碳产量随时间变化；
设定判定条件2：Ifi＝＝'CO2'，得到CO2.csv文件，从而得到二氧化碳产量随时间变化。
通过上述过程对output.txt和筛分产物中间文件进行分类得到相应分子的.csv文件，从而得到产物产量随时间变化的文件。
步骤三、对各产物进行分子量计算，得到各产物的分子质量百分比
以计算焦炭产物C40+分子数量为例，
首先计算焦炭产物C40+分子数量，分子质量计算步骤如下：
3.1、使用pandas.read_csv()读取C40+.csv文件并用'，'分隔；使用pandas.set_index()设定Timestep为索引，将inplace设置为True，即不创建新对象，直接对output.txt进行修改。
3.2、使用DataFrame内置版本.columns.values.tolist快速得到所有列名。定义空白字典weight_dict来存储由calculate molecular mass函数计算的总标题行的各分子质量。
3.3、使用pandas.apply()内置函数调用求和公式计算各Timestep下的分子数总量，将其赋值给df1['mole_count']。
3.4、使用自定义函数mass()实现用各Timestep下的分子数量相乘总标题的各分子量，然后进行累加实现计算分子质量的功能。最后使用pandas.apply()内置函数调用自定义函数mass()计算分子数量将其赋值给df1['weight']。从而得到各Timestep下的C40+的分子质量。
其他产物分子数量和分子质量计算方法如上述所述。
3.5、将各产物下的分子质量运用pandas数据库下灵活的包装器.add()和.div()进行百分比的计算。
3.6、最终运用.columns()填充各产物计算百分比，最终得到.to_csv()命名下的weight_percentage.csv结果文件，如图6所示。标题栏为Timestep,percent_C1-C4,percent_C5-C14,percent_C14-C40,percent_C40+,percent_C1-C4_Ca,percent_C5-C14_Ca,percent_C14-C40_Ca,percent_C40+_Ca,percent_Ca,percent_CaO,percent_Ca(OH)2,percent_H2,percent_O2,percent_H2O,percent_CO,percent_CO2，各自重量百分比随时间变化统计结果如图6所示。
根据结果显示，焦油、焦炭和气体产物随时间变化量和二次热解变化规律分类清晰，对现在仍认识不清的煤的二次反应机理的研究具有推动作用。
Claims (4)
1.一种基于Python对ReaxFF力场计算结果数据处理的方法，其特征在于，包括以下步骤：
步骤一、读取和整合分子类型信息species文件的数据：
1.1、采用基于ReaxFF力场得到包含每个时刻下的分子种类和分子数量的species文件，并搭建Python环境；
1.2、然后使用Python导入linecache、datatime、csv标准模块，并从copy模块中导入deepcopy进行species文件的保护；并使用def函数定义整个读取和整合功能，进行反复调用；
1.3、去掉species文件中多余的空格和‘#’号建立分子类型中间文件，并使species文件以Python中序列的内置类型--列表的形式写入分子类型中间文件；
1.4、创建两个新的列表变量，分别存储分子类型中间文件中的标题行与数据行；利用配对函数对存储的两个列表变量的字符串进行批量处理，然后对标题行之间与数据行之间的空格进行删减和切片，实现标题行和数据行的格式处理；
1.5、对标题行利用循环整合成一个涵盖各个Timestep下的不重复的分子类型的总标题，并对分子类型进行排序；并创建一个字典格式以供写入，默认key的值为0；
1.6、创建整合分子信息文件，文件名称为output.txt，将标题行写入，随后进行循环遍历分子类型和分子数量，将其存储在配对字典函数的k-v值中，将分子数量的value值赋值给总标题中的各分子类型的key并写入output.txt文件；
步骤二、对整合分子信息output.txt文件进行分子分类：
2.1、使用Python导入pandas库，并导入Python内建的集合模块collections；使用pandas.read_csv()读取整合分子信息output.txt文件；
2.2、然后定义计算标题的分子量函数与识别分子式中原子下标函数，并对output.txt文件和筛分产物中间文件进行分类，得到相应产物的.csv文件，从而得到产物产量随时间变化的文件；
步骤三、对各产物进行分子量计算，得到各产物的分子质量百分比：
3.1、使用pandas.read_csv()读取分子名称.csv文件并用'，'分隔；使用pandas.set_index()设定Timestep为索引，将inplace设置为True，不创建新对象，直接在output.txt文件中修改；
3.2、使用DataFrame内置版本.columns.values.tolist快速得到所有列名；定义空白字典weight_dict来存储由分子量函数计算的总标题行的各分子质量；
3.3、使用pandas.apply()内置函数调用求和公式计算各Timestep下的分子数总量，将其赋值给df1['mole_count']；
3.4、使用自定义函数mass()实现用各Timestep下的分子数量相乘总标题的各分子质量，然后进行累加实现计算分子质量的功能，最后使用pandas.apply()内置函数调用自定义函数mass()计算分子数量将其赋值给df1['weight']；从而得到各Timestep下的相应产物的分子质量；
3.5、将各产物下的分子质量运用pandas数据库下灵活的包装器.add()和.div()进行百分比的计算；
3.6、最终运用.columns()填充各产物计算百分比，最终得到相应产物.to_csv()命名下的weight_percentage.csv各产物百分比结果文件。
2.根据权利要求1所述的基于Python对ReaxFF力场计算结果数据处理的方法，其特征在于：步骤2.2中，对output.txt和筛分产物中间文件进行分类的具体过程为：使用变量i遍历output.txt文件和筛分产物中间文件的总标题中的分子式，并用双重判定，其中，先使用判定条件1：使用函数i.startswith()判别前缀，区分原子类别；再使用判定条件2：对原子下标函数判别原子数目从而分类。
3.根据权利要求1或2所述的基于Python对ReaxFF力场计算结果数据处理的方法，其特征在于：所述分子量函数用来计算标题中单个分子的分子量，具体为：首先将元素周期性列表中的元素-分子量使用字典k-v对应，再对分子进行字符串识别，根据output.txt文件中的分子式性质进行条件判断筛分，将元素初始值设置为0，读取字符串中元素下标数字使用.isdigit()，并进行字典函数下标数字前的元素查询，进行相乘相加，得到单个分子的分子量。
4.根据权利要求3所述的基于Python对ReaxFF力场计算结果数据处理的方法，其特征在于：所述原子下标函数用来识别原子的数量，遍历分子式中的原子，条件判断是否为相应原子，并写入字典，使用collections.defaultdict(int)计算相应原子出现的个数，.isdigit()函数识别相应原子的下标数字，得出相应原子的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910944377.5A CN110767267B (zh) | 2019-09-30 | 2019-09-30 | 一种基于Python对ReaxFF力场计算结果数据处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910944377.5A CN110767267B (zh) | 2019-09-30 | 2019-09-30 | 一种基于Python对ReaxFF力场计算结果数据处理的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110767267A CN110767267A (zh) | 2020-02-07 |
| CN110767267B true CN110767267B (zh) | 2021-08-03 |
Family
ID=69330084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910944377.5A Expired - Fee Related CN110767267B (zh) | 2019-09-30 | 2019-09-30 | 一种基于Python对ReaxFF力场计算结果数据处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110767267B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111816261B (zh) * | 2020-07-13 | 2024-04-05 | 西安建筑科技大学 | 一种调幅分解分布的分子动力学几何模型构建方法 |
| CN112201310B (zh) * | 2020-10-22 | 2022-01-28 | 华中科技大学 | 一种模拟煤与生物质共热解体系中c、h、o元素的标记方法 |
| WO2022094873A1 (zh) * | 2020-11-05 | 2022-05-12 | 深圳晶泰科技有限公司 | 分子力场质量控制系统及其控制方法 |
| CN112365933A (zh) * | 2020-12-09 | 2021-02-12 | 华中科技大学 | 一种构建生物质焦炭分子模型的方法 |
| CN113345530A (zh) * | 2021-07-02 | 2021-09-03 | 青岛科技大学 | 一种基于分子动力学的二元体系相互扩散系数模拟方法 |
| CN113744810B (zh) * | 2021-08-25 | 2024-05-10 | 北京航空航天大学 | 一种基于气固非均相反应微观模型分子生成轨迹追踪方法 |
| CN119229948A (zh) * | 2023-06-29 | 2024-12-31 | 苏州予路乾行生物科技有限公司 | 一种分子力场建模方法、装置、电子设备及存储介质 |
| CN117423394B (zh) * | 2023-10-19 | 2024-05-03 | 中北大学 | 基于Python提取产物、团簇和化学键信息的ReaxFF后处理方法 |
| CN117275592B (zh) * | 2023-11-17 | 2024-02-09 | 北京航空航天大学 | 一种基于Python的RMD模拟结果裂解反应路径的统计方法 |
| CN119337610B (zh) * | 2024-10-16 | 2025-07-22 | 西安科技大学 | 基于Matlab的FBG数据处理及作图方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133458A (zh) * | 2017-04-24 | 2017-09-05 | 西南石油大学 | 基于分子动力学模拟气体在钻井液中溶解特性的评价方法 |
| WO2017165856A1 (en) * | 2016-03-24 | 2017-09-28 | Baker Brian M | Biomolecule design model and uses thereof |
| WO2018136664A1 (en) * | 2017-01-18 | 2018-07-26 | Ichan School Of Medicine At Mount Sinai | Neoantigens and uses thereof for treating cancer |
| CN109636893A (zh) * | 2019-01-03 | 2019-04-16 | 华南理工大学 | 三维OBJ模型及MTL材质在iPhone中的解析与渲染方法 |
| CN109994158A (zh) * | 2019-03-21 | 2019-07-09 | 东北大学 | 一种基于强化学习构建分子反应力场的系统及方法 |
| CN110021380A (zh) * | 2019-04-25 | 2019-07-16 | 济南大学 | 一种基于分子动力学模拟探究玻璃体系中各原子扩散性质的方法 |
| CN110070918A (zh) * | 2019-04-02 | 2019-07-30 | 重庆邮电大学 | 基于分子间相互作用的粗粒化方法 |
-
2019
- 2019-09-30 CN CN201910944377.5A patent/CN110767267B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017165856A1 (en) * | 2016-03-24 | 2017-09-28 | Baker Brian M | Biomolecule design model and uses thereof |
| WO2018136664A1 (en) * | 2017-01-18 | 2018-07-26 | Ichan School Of Medicine At Mount Sinai | Neoantigens and uses thereof for treating cancer |
| CN107133458A (zh) * | 2017-04-24 | 2017-09-05 | 西南石油大学 | 基于分子动力学模拟气体在钻井液中溶解特性的评价方法 |
| CN109636893A (zh) * | 2019-01-03 | 2019-04-16 | 华南理工大学 | 三维OBJ模型及MTL材质在iPhone中的解析与渲染方法 |
| CN109994158A (zh) * | 2019-03-21 | 2019-07-09 | 东北大学 | 一种基于强化学习构建分子反应力场的系统及方法 |
| CN110070918A (zh) * | 2019-04-02 | 2019-07-30 | 重庆邮电大学 | 基于分子间相互作用的粗粒化方法 |
| CN110021380A (zh) * | 2019-04-25 | 2019-07-16 | 济南大学 | 一种基于分子动力学模拟探究玻璃体系中各原子扩散性质的方法 |
Non-Patent Citations (3)
| Title |
|---|
| Algorithms of GPU-enabled reactive force field(ReaxFF) molecular dynamics;Mo Zheng.et.;《Journal of Molecular Graphics and Modelling》;20130210;第41卷;第1-11页 * |
| Effect of cooling rate on the reaction of volatiles from low-rank coal pyrolysis: Molecular dynamics simulations using ReaxFF;Dikun Hong.et.;《Fuel Processing Technology》;20180530;第178卷;第133-138页 * |
| ReaxFF MD模拟结果的化学反应网络自动构建及可视化;贺巧鑫;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20190815(第8期);第B014-465页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110767267A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110767267B (zh) | 一种基于Python对ReaxFF力场计算结果数据处理的方法 | |
| Fanourgakis et al. | A robust machine learning algorithm for the prediction of methane adsorption in nanoporous materials | |
| CN113963754B (zh) | 一种基于机器学习的吸附材料筛查方法及装置 | |
| Oliveira et al. | CRAFTED: An exploratory database of simulated adsorption isotherms of metal-organic frameworks | |
| Keck et al. | Handling biological sequences in R with the bioseq package. | |
| Li et al. | An XGBoost algorithm based on molecular structure and molecular specificity parameters for predicting gas adsorption | |
| Zhang et al. | Integrated metal‐organic framework (MOF) and pressure/vacuum swing adsorption process design: MOF matching | |
| CN117423394B (zh) | 基于Python提取产物、团簇和化学键信息的ReaxFF后处理方法 | |
| Cleeton et al. | Inverse design of metal-organic frameworks using deep dreaming approaches | |
| Zhang et al. | Prediction of methane storage in covalent organic frameworks using big-data-mining approach | |
| Muresan et al. | Effect of Temperature and Composition on the Formation of Nanoscale Compartments in Phospholipid Membranes [J. Am. Chem. Soc. 2001, 123, 6951− 6952]. | |
| CN112201310B (zh) | 一种模拟煤与生物质共热解体系中c、h、o元素的标记方法 | |
| Gephart et al. | Qualitative Data Analysis: Three Microcomputer-Supported Approaches. | |
| Ahmed | Machine-learning-enhanced symbolic regression for methane storage prediction in covalent organic frameworks | |
| Topolsky et al. | Information storage and retrieval system for a molecular dynamics based digital twin of materials | |
| Ruan et al. | Mining lake time series using symbolic representation | |
| Prabowo et al. | Predicting CO2 adsorption in metal-organic frameworks: Integrating machine learning with virtual sample generation | |
| McKay et al. | Lessons learned in a large-scale project to digitize and computationally analyze musical scores | |
| Paul | Dextrosinistral reading of SMILES notation: Investigation into origin of non-sense code from string manipulations | |
| CN104408316A (zh) | 中美岩土工程土壤分类标准转换装置及方法 | |
| Kou et al. | Interpretable Machine Learning Assisted Screening of Metal-Organic Frameworks for Methane Adsorption Mechanism Exploration under Low and High Pressures | |
| Yang et al. | Machine learning guided design of covalent organic frameworks for CO2 capture in wet flue gas | |
| He et al. | Machine Learning-Guided Design of Metal-Organic Frameworks for Efficient H2S/CH4 Separation | |
| Hand | Automated Materials Discovery-Examining the Application and Efficacy of Active Learning to Accelerate the Screening of Porous Materials for Complex Applications | |
| Marchet | Advancements in practical k-mer sets: essentials for the curious |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200717 Address after: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037, Huazhong University of Science and Technology Applicant after: HUAZHONG University OF SCIENCE AND TECHNOLOGY Applicant after: HUAZHONG University OF SCIENCE AND TECHNOLOGY RESEARCH INSTITUTE SHENZHEN Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037, Huazhong University of Science and Technology Applicant before: HUAZHONG University OF SCIENCE AND TECHNOLOGY |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210803 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |