用人工神经网络法预估芳香族多硝基化合物生成焓

采用误差反向传播学习(BP)的一个双层神经网络,以分子结构中不同基团作为描述码,预估芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时用分子子图法进行了多元线性回归,取得了较好的结果(其回归方程相关系数达到0．9967),计算结果的绝大多数相对误差在10％范围以内。     

键参数法预估芳香族多硝基化合物生成焓

用键参数法对芳香族多硝基化合物分子结构中的化学键进行编码,通过多元线性回归,得到回归模型,该模型经检验符合统计学规律。计算结果表明,此类化合物生成焓与键参数存在良好的相关性,回归方程相关系数0.994,决定系数0.988,绝大多数化合物计算值与文献值吻合得很好,相对误差大多数在±10%以内。     

高能化合物生成热的半经验分子轨道研究

用半经验分子轨道(MO)PM3、AM1、MNDO和MINDO／3方法对66种高能化合物进行几何全优化SCF计算,探讨了诸方法计算生成热(ΔH1)与实验值的关系。结果表明,PM3计算生成热与实验值之间存在良好的线性关系,对已有实验值的35个标题物,线性方程为ΔHf.EXP=-4．98 1．03ΔHf,cal,相关系数为R=0．976,均方根偏差为37．53,以此线性方程预测了高能化合物的生成热。AM1计算生成热较PM3结果差,而MNDO和MINDO／3方法则不适合于此类化合物生成热的计算。即在各种半经验MO方法中,以PM3法最适合预测高能化合物的生成热。     

基团加和法估算含能热塑性聚氨酯弹性体的生成焓

采用基团加和法估算了以聚叠氮缩水甘油醚(GAP)、聚硝酸酯缩水甘油醚(PGN)、聚2,2-双叠氮甲基氧杂环丁烷(PBAMO)、聚2-甲基-2-硝酸酯基氧杂环丁烷(PNIMMO)、2,2-双叠氮甲基氧杂环丁烷(BAMO)2-叠氮甲基2-甲基氧杂环丁烷(AMMO)共聚物(PBAMO/AMMO)等为软段,以二苯基甲烷二异氰酸酯、甲苯二异氰酸酯、异氟尔酮二异氰酸酯等为硬段,1,4-丁二醇为扩链剂的含能热塑性聚氨酯弹性体(ETPE)的生成焓.结果表明,随着硬段含量的增加,ETPE的生成焓降低,当硬段为MDI时,所制备的ETPE的生成焓高于其他硬段聚合物,叠氮化合物为软段的ETPE生成焓高于硝酸酯类化合物的.故通过对ETPE的能量预估和结构推断可以为设计具有高能量水平的ETPE提供依据.     

基于遗传算法的人工神经网络预测多硝基化合物撞击感度

为获得精度较高、适用范围较大的多硝基化合物撞击感度预测模型,根据定量构效关系(QSPR)原理,用遗传算法(GA)进行变量筛选,建立了多元线性回归(GA-MLR)模型和人工神经网络(GA-ANN)模型,用于149种多硝基化合物撞击感度的定量构效关系的研究。两个模型的相关系数分别为0.854和0.974,均方根误差分别为0.195和0.071,平均绝对误差分别为0.157和0.051。通过模型比较,结果表明所得模型的预测精度均高于已有的QSPR模型,且GA-ANN模型要明显优于GA-MLR模型。     

由原子化反应法求算高能化合物的生成热

基于DFT-B3LYP/6-31G*及HF/6-31G*水平的理论计算结果,借助原子化反应及严格的物理化学公式,对49种已有实验值的高能化合物的生成热进行了计算。与实验值的关联比较表明B3LYP/6-31G*水平的计算结果(x)与实验值(y)之间存在良好的线性关系;对49个标题物,线性方程为y=-75.79 0.98x,相关系数R=0.990,标准偏差SD=28.21。以此线性方法预测了高能化合物的生成热,所得结果与实验值偏差较小,表明B3LYP/6-31G*结合原子化反应是兼顾适用性和可靠性的计算高能化合物生成热的较好方法。基于HF/6-31G*水平的原子化反应法不适于计算高能化合物的生成热。     

基于深度学习的含能材料生成焓预测方法

为了加快新型含能材料研发的进度,减少因大量实验而带来的时间和资源的消耗问题,基于材料基因工程理论提出一种含能材料生成焓的预测方法.首先将搜集到的代表含能材料分子结构的原子坐标数据转换成表示分子内笛卡尔坐标系的库仑矩阵,以消除含能材料分子结构因平移、旋转、交换索引顺序等操作对生成焓预测造成的影响;然后,根据提出的基于Attention机制的卷积神经网络(Convolutional Neural Network,CNN)和双向长短期记忆网络(Bi-directional Long Short-term Memory Network,Bi-LSTM)的融合模型对含能材料的生成焓进行预测.这样,既可以有效提取数据的特征,又能充分考虑数据间的相关性,同时还能够突出重要特征对预测结果的影响.对比实验结果表明,提出的基于深度学习的方法在生成焓的预测上拥有最低的实验误差,其平均绝对误差(Mean Absolute Error,MAE)、平均绝对百分误差(Mean Absolute Percentage Error,MAPE)、均方根误差(Root Mean Square Error,RMSE)和均方根对数误差(Root Mean Squared Logarithmic Error,RMSLE)分别为0.0374、1.32％、0.0541和0.028,实现了"结构—性能"的预测目标,为含能材料生成焓的预测提供了一种新方法.     

估算正负离子标准水合焓的一种简易方法

提出了一个估算正负离子标准水合焓ΔhHmθ(Mn±)的简易公式。ΔhHmθ(Mn±)的计算值与报道值相对误差在8%以内。用所建立的计算式预估了一些已知ΔhHmθ(Mn±)和ΔfHmθ(Mn±,aq,∞)或ΔfHmθ(Mn±,g)值的气态正负离子的标准生成焓ΔfHmθ(Mn±,g)和正负水合离子的标准生成焓ΔfHθm(Mn±,aq,∞)。     

RDX晶体形貌的分子模拟与预测

用BFDH （ Bravais-Friedel-Donnary-Harker）和AE（ Attachment Energy）模型预测了α晶形黑索今（α-RDX）的晶体形貌。结果表明,形态学上重要生长面是：（111）,（020）,（002）,（200）和（210）面,其中（111）面是最重要的生长面。 RDX晶体重要生长面结构分析表明,（210）,（002）,（200）和（111）是极性晶面,而（020）是非极性晶面,其中（210）晶面极性最强。根据晶面极性预测在极性溶剂中,（210）面将成为RDX晶体形态上重要生长面,（111）面的重要性降低,而（020）面将会在晶体生长过程中逐渐消失。丙酮溶剂重结晶RDX实验表明,RDX晶体形貌上最终显露的生长面是：（210）,（111）,（002）和（200）面,而（020）面已消失。     

不同温度下PETN晶体感度判别和力学性能预测的MD研究

为从理论上寻求典型硝酸酯炸药太安（ PETN）晶体的感度判据和力学性能,在NPT系综下,用COMPASS力场对PETN （4×3×4）超晶胞和沿其（100）晶面切割的两种模型,实施了5个温度（195,245,295,345,395 K）的周期性分子动力学（MD）模拟。结果表明,随温度升高,它们的引发键O-NO2的最大键长（ Lmax ）递增,引发键连双原子作用能（ EO-N ）和内聚能密度（CED）递减,与感度随温度升高而增大的实验事实相一致。 Lmax、EO-N和CED在一定条件下,确可用作高能物质热和撞击感度相对大小的理论判据。随温度升高,弹性系数与弹性模量递减,刚性减小,柔性递增,符合实验事实,表明,以切割分面模型进行MD模拟能获得较符合实际的确定结果。