基于深度张量神经网络理论预测氨基酸能量

发布时间：2020-08-18 21:49

【摘要】：通过计算机模拟分子的变化及物理化学性质是研究分子的主要理论方法。这其中主要包括分子动力学模拟和量化计算。分子动力学模拟是基于已有力场的来描述分子运动时原子的变化性质。借助于计算机硬件,特别是GPU的发展,分子动力学模拟可以体现上百万个原子的变化过程,但受限于力场,分子动力学模拟无法很好的刻画化学反应。量化计算是通过描述原子周围的电子云来模拟原子的运动和相互作用,这种更加精确的计算可以用于研究化学反应,但能模拟的体系原子数目不大。深度学习是人工智能的重要科学之一。其主要研究方向是在海量数据的基础上,通过经验学习,改善具体算法的性能。受益于理论的框架发展,深度学习在众多传统方法无法很好应对的学科,取得了突破性的进展,这其中包括网络,文本和图像搜索,语音识别以及生物信息学等。同时深度学习也在理解量子系统方面取得类似的突破。本文提出了一种同时基于量化计算和深度学习的理论方法(Quantum Mechanics-Deep Tensor Neutral Network,QM-DTNN),用于合理预测蛋白质中氨基酸的物理化学性质。在QM-DTNN中,采用MFCC方法,通过添加分子帽的方式,蛋白质被分解成独立的氨基酸单元。我们通过Metadynamics的增强采样方法确保数据集的完备性,进而构建训练、验证和测试数据集。DTNN的输入包括氨基酸中原子的成对间距和核电荷。使用量化计算所得到的氨基酸单元的物理化学性质作为DTNN的输出。在深度张量神经网络当中,通过积函数,输入被转换为一组张量。通过卷积提取有效信息,用于网络输出。本文选择多种典型氨基酸,通过DTNN预测能量,其结果与QM数据具有良好的相关性。其中绝对预测误差的平均值和绝对预测误差的标准偏差值偏小,确定整体精度较高。进一步说明,在特定的化学环境中,DTNN方法能够预测原子的能量。与可接受的精度误差的QM计算相比,我们所提出的方案显著减少了计算时间。这项工作的根本是快速准确计算小分子物理化学性质。我们的方法在不同的应用领域被证明是有用的。作为化学相关性的一个例子,本文选择蛋白质中的氨基酸进行研究。我们的模型用于预测分子中的原子能量,证明了机器学习的潜力,揭示了对于复杂量子化学系统的见解。
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;Q517

【相似文献】

相关期刊论文 前10条

1 张士昌,孙健全;基于神经网络理论的矿井安全管理评价[J];煤矿安全;2003年10期

2 ;作者应鸿先生的答辨[J];电网技术;1998年02期

3 刘永红;神经网络理论的发展与前沿问题[J];信息与控制;1999年01期

4 齐翔林;神经网络理论模型及应用方法研究获重要进展[J];生物化学与生物物理进展;1994年01期

5 王宝翰;神经网络理论与神经计算机研究进展[J];生物物理学报;1989年01期

6 李前忠;;神经网络理论研究的一些进展[J];内蒙古大学学报(自然科学版);1989年03期

7 焦李成;;全集成模拟神经网络理论与实现[J];西安交通大学学报;1989年S1期

8 崔胜民;神经网络理论在汽车中的应用[J];世界汽车;1995年02期

9 李海波;;基于神经网络理论的水泥稳定土强度预估研究[J];公路与汽运;2009年03期

10 刁亚奇;鲁顺清;;基于神经网络理论的炼钢企业安全评价研究[J];工业安全与环保;2008年06期

相关会议论文 前8条

1 严波涛;;神经网络理论及其在运动生物力学研究中的应用[A];第十届全国运动生物力学学术交流大会论文汇编[C];2002年

2 邬松;彭立信;;神经网络理论在系统建模中的应用[A];1989年控制理论及其应用年会论文集（上）[C];1989年

3 文新辉;牛明洁;;基于神经网络理论的一种新的时间序列模型的参数估计方法[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

4 瞿福琪;舒畅;涂建华;;基于组合预测模型的指挥系统维修器材消耗规律研究[A];2013第一届中国指挥控制大会论文集[C];2013年

5 张培铭;颜毅鹏;吴功祥;鲍光海;吴传武;;基于神经网络的电动机绕组温升预测的探讨[A];中国电工技术学会低压电器专业委员会第十一届学术年会论文集[C];2002年

6 周志刚;;故障检测中的人工神经网络[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

7 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

8 杨茂兴;;机载火控系统故障诊断的研究[A];探索 创新 交流——第三届中国航空学会青年科技论坛文集（第三集）[C];2008年

相关博士学位论文 前1条

1 彭德中;MCA神经网络理论与应用[D];电子科技大学;2006年

相关硕士学位论文 前10条

1 董子冰;基于深度张量神经网络理论预测氨基酸能量[D];辽宁师范大学;2019年

2 毛筱;神经网络理论在谐波测量中的应用与研究[D];湖南大学;2001年

3 吕茜茜;基于神经网络理论上含马尔可夫跳变的混沌同步研究[D];大连交通大学;2015年

4 孙琼;基于神经网络理论的音频信息隐藏技术研究[D];武汉理工大学;2008年

5 唐娜;基于灰色理论和神经网络理论的股票指数预测研究[D];武汉理工大学;2007年

6 刘明;基于小波和神经网络理论的电力系统负荷预测研究[D];南京理工大学;2012年

7 国威;基于神经网络理论的公路隧道围岩变形预测与稳定性分析[D];重庆大学;2009年

8 刘兰翠;基于模糊Modular神经网络理论的开滦煤矿系统安全评价[D];河北理工学院;2003年

9 王涛;调水工程水力控制模型及神经网络理论的应用[D];中国水利水电科学研究院;2004年

10 孙毅;基于同步技术和神经网络理论的音频数字水印研究[D];武汉理工大学;2007年

本文编号：2796761