第十一届 MathorCup B题优秀论文2.pdfVIP

队伍编号 21090130009 题号 B 基于群智能和机器学习的三维团簇稳态结构预测研究 摘 要 原子团簇是由数个至数千个原子相互作用形成的相对稳定聚集体，其物理和化学性 质由它所包含的原子数和原子空间结构决定，寻找原子团簇最优结构问题是计算机、物 理和化学等研究领域的一个非确定性多项式求解 （NP-Hard ）难题。 本文主要介绍了金原子团簇和硼原子团簇的最优结构预测方法： 文章提出一种基于势能函数、群智能优化和机器学习的混合模型对原子团簇的稳态 结构进行预测。首先，基于给定的Au 和B− 团簇结构及其能量值，利用改进的粒子群优 20 45 化算法（IPSO ）优化势能模型的参数，使模型最大程度匹配所给能量值。其次，为满足 机器学习模型的输入结构，建立库伦矩阵进行团簇结构信息的数据表征，并将转换后的 数据与第一步势能计算结果同时放入机器学习集成算法（Stacking ）和神经网络门控循 环单元（GRU ）中，利用所给Au 和B− 原子团簇的能量值训练模型，并将训练好的模型 20 45 - 分别用于后续预测Au 团簇和B 团簇的最优结构。此外，考虑到已有文献表明高度对称 的团簇结构具有较低的能量值，本文在第一题和第三题分别生成2 种基于有限对称的初 始团簇结构，并使用模拟退火算法（SA）逐步改变新解来使目标函数值（能量）减小， 迭代找到全局最优结构。进一步地，在第二题和第三题生成4 种基于有限对称和随机生 成的初始团簇结构，并对4 种结构类型的最优结构进行比较分析并验证其稳定性。结果 表明，本文提出的新型混合算法具有良好的收敛特性，并且从团簇的三维结构图中可以 得出，相比于其他3 种结构类型，全局最优的团簇结构具有明显的对称特性，并且这种 结构特性具有较高的稳定性。 关键词：群智能；机器学习；纳米团簇；结构预测 目 录 1 问题重述 1 1.1 研究背景 1 1.2 研究问题 1 2 问题分析2 2.1 针对金团簇的问题分析 2 2.2 针对硼元素的问题分析 2 3 模型假设3 4 符号定义与评价指标3 4.1 符号定义 3 4.2 评价指标 3 5 问题一的模型建立、求解与验证4 5.1 Gupta-IPSO-Stacking 能量预测模型 5 5.1.1 Gupta 势能函数 5 5.1.2 改进粒子群优化算法（IPSO）参数调优 5 5.1.3 库伦矩阵数据表征 7 5.1.4 集成算法（Stacking）预测能量 9 5.2 模拟退火算法预测全局最优结构 11 5.2.1 模拟退火算法 11 5.2.2 限制性对称初始结构生成 12 5.2.3 结构初始范围设定 13 5.2.4 全局最优结构预测结果 14 6 问题二的模型建立、求解与验证20 6.1 Au32原子团簇初始结构生成 20 6.1.1 限制性对称结构的生成 20 6.1.2 随机结构的生成 21 6.2 模拟退火算法预测全局最优结构 22 6.3 稳定性分析 24 7 问题三的模型建立、求解与验证25 7.1 Tersoff-IPSO-GRU 能量预测模型 25 7.1.1 Tersoff 势能函数 25 7.1.2 门控循环单元（GRU）预测能量 27 7.1.3 模型预测结果对比 28 7.2 基于模拟退火算法预测全局最优结构 28 7.2.1 B− 原子团簇初始结构生成 28 45 7.2.2 全局最优结构预测结果 29 8 问题四的模型建立、求解与验证31 8.1 硼B− 原子团簇初始结构生成 32 40 8.2 全局最优结构预测结果 33 8.3 稳定性比较 35 9 参考文献