含能晶體密度預測的研究進展

王麗莉，熊 鷹，謝煒宇，牛亮亮，張朝陽

（1.中國工程物理研究院計算機應用研究所，四川 綿陽 621999；2.中國工程物理研究院化工材料研究所，四川 綿陽 621999）

1 引言

含能材料密度的理論預測方法可分成以下三大類：一是基于分子體積計算密度，由于分子體積沒有明確的物理定義，因此存在多種計算方法，如等電子密度面（Isosurface of Electron Density，IED）方法通常將分子摩爾體積定義為0.00l a.u.電子密度等值面輪廓范圍內的體積［1］，分子表面靜電勢（Molecular Surface Electrostatic Potentials，MESP）校正法是在密度求解公式中加入通過實驗數據擬合的系數表征分子間相互作用，基團加和（Group Additivity Methods，GAM）法是由原子和官能團體積的貢獻估算分子體積等，其中計算電子密度的方法多數采用密度泛函理論（Density Functional Theory，DFT）、二階微擾（Second-order Moller-Plesset Perturbation，MP2）理論、耦合簇（Coupled Cluster with Singles and Doubles，CCSD）理論等。二是基于晶體體積計算密度，晶體結構預測（Crystal Structure Prediction，CSP）結合了能量和結構的精確計算方法與全局結構搜索方法，其中結構與能量的計算方法包括密度泛函理論的色散校正（Dispersion Correction Density Functional Theory，DFT-D），分子力場與分子動力學方法（Molecular Dynamics，MD），半經驗分子軌道方法（Semi-empirical Molecular Orbital，MO）等；結構搜索的代表性算法有模擬退火法（Simulated Annealing，SA）、隨機結構搜索法（Ab Initio Random Structure Searching，AIRSS）、進化算法（Evolutionary Approach，EA）和粒子群優化算法（Particle Swarm Optimization，PSO）等。三是基于數學和統計方法估算含能材料密度，如通過多元線性回歸（Multiple Linear Regressin，MLR）、人工神經網絡（Artificial Neural Networks，ANN）和改進的遺傳算法（Genetic Algorithm，GA）等建立快速穩定的定量構效關系（Quantitative Structure Property Relationship，QSPR）模型，或根據經驗公式由元素組成和官能團數目估算晶體密度等。隨著云計算的普及和大數據時代的到來，機器學習（Machine Learning，ML）及人工智能（Artificial Intelligence，AI）技術將推動含能晶體結構、性質以及感度之間關系的研究，并為開發新型鈍感高能炸藥提供依據。……