基于平均影响值的反向传播神经网络方法用于提高密度泛函理论计算Y-NO键均裂能精度

• 作者: 吕英华 李辉 李鸿志 苏忠民 陶委 高婷
• 来源期刊: 高等学校化学学报
• 学科: 化学
• 关键词: Y-NO键 均裂能 密度泛函理论 平均影响值 反向传播神经网络
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 物理化学
• 页码范围: 346-352
• 分类号: O641
• 字数: 5152字
• 语种: 中文
• DOI: 10.3969/j.issn.0251-0790.2012.02.024

摘要

将基于平均影响值(Mean impact value,MIV)的反向传播神经网络(Back propagation neural netowrk,BPNN) (MIV-BPNN)方法用于提高密度泛函理论(Density functional theory,DFT)计算Y-NO(Y=N,S,O及C)键均裂能的精度.利用量子化学计算和MIV-BPNN联合方法计算92个含Y-NO键的有机分子体系的均裂能.结果表明,相对于单一的密度泛函理论B3LYP/6-31 G(d)方法,利用全参数下的BPNN方法计算92个有机分子均裂能的均方根误差从22.25 kJ/mol减少到1.84 kJ/mol,而MIV-BPNN方法使均方根误差减少到1.36 kJ/mol,可见B3LYP/6-31 G(d)和MIV-BPNN联合方法可以提高均裂能的量子化学计算精度,并可预测实验上无法获取的均裂能值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏忠民	东北师范大学化学学院功能材料化学研究所	128	631	13.0	17.0
2	李辉	东北师范大学计算机科学与信息技术学院	13	153	7.0	12.0
3	吕英华	东北师范大学计算机科学与信息技术学院	24	263	9.0	15.0
7	高婷	东北师范大学计算机科学与信息技术学院	3	12	2.0	3.0
8	陶委	东北师范大学化学学院功能材料化学研究所	2	9	1.0	2.0
9	李鸿志	东北师范大学计算机科学与信息技术学院	2	10	2.0	2.0