用人工神经网络计算双原子分子的键长

计算物理 ›› 1996, Vol. 13 ›› Issue (2): 243-248.

用人工神经网络计算双原子分子的键长

贺黎明¹, 陈孔常²

1. 华东理工大学物理系, 上海 200237;
2. 华东理工大学精细化工研究所, 上海 200237

收稿日期:1994-10-10 出版日期:1996-06-25 发布日期:1996-06-25

DETERMINATION OF THE BOND LENGTH OF DIATOMIC MOLECULE BY USING NEURAL NETWORK APPROACH

He liming¹, Chen Kongchang²

1. Department of Physics, East China University of Science and Technology, Shanghai 200237;
2. Institute of Fine Chemicals, East China University of Science and Technology, Shanghai 200237

Received:1994-10-10 Online:1996-06-25 Published:1996-06-25

摘要/Abstract

摘要： 用神经网络反向传播算法计算了双原子分子的键长。采用二原子的Slater原子半径,Paul-ing电负性,在元素周期表中的主族数及周期数等作为特征变量,得到了神经网络的训练及预报结果。

关键词: 神经网络, 双原子分子, 键长, 电负性, 特征变量

Abstract: By using the back-propagation (BP) model of neural network,the bond length of diatomic molecule is determinated.Slater atomic radius,Pauling electronegativity,major group and cycle numbers of the periodic table,etc.,are used as features.The calculated and predicted results of neural network appear to be better than those of reported calculations.

Key words: neural network, diatomic molecule, bond length, electronegativity, features

中图分类号:

TP18
O411.3

贺黎明, 陈孔常. 用人工神经网络计算双原子分子的键长[J]. 计算物理, 1996, 13(2): 243-248.

He liming, Chen Kongchang. DETERMINATION OF THE BOND LENGTH OF DIATOMIC MOLECULE BY USING NEURAL NETWORK APPROACH[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 1996, 13(2): 243-248.

[1]	吴国正, 王发杰, 程隋福, 张成鑫. 基于物理信息神经网络的内部声场正反问题数值计算[J]. 计算物理, 2022, 39(6): 687-698.
[2]	肖聪, 张士诚, 马新仿, 周彤, 侯腾飞. 基于模型降维和递归神经网络的油藏参数反演[J]. 计算物理, 2022, 39(5): 564-578.
[3]	黄灿, 田冷, 王恒力, 王嘉新, 蒋丽丽. 基于条件生成式对抗网络的油藏单井产量预测模型[J]. 计算物理, 2022, 39(4): 465-478.
[4]	潘剑, 郭照立, 陈松泽. 从噪声数据学习偏微分方程的复合神经网络[J]. 计算物理, 2022, 39(2): 223-232.
[5]	唐利红, 贺宗梅, 姚延立. 忆阻Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(2): 244-252.
[6]	李洪, 章立新, 任燕, 高明, 刘婧楠. 基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测[J]. 计算物理, 2022, 39(1): 53-59.
[7]	罗佳, 孙亮, 乔印虎. 忆阻突触耦合环形Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(1): 109-117.
[8]	郑书昱, 彭佳臻, 张先梅, 薛二兵, 虞立敏. 基于神经网络的托卡马克能量约束时间预测[J]. 计算物理, 2021, 38(4): 423-430.
[9]	周倩, 韦笃取. 场耦合忆阻神经网络的电活动[J]. 计算物理, 2020, 37(6): 750-756.
[10]	卢新瑞, 黄捍东, 李帅, 尹龙. 基于U-Net的盐体识别方法[J]. 计算物理, 2020, 37(3): 327-334.
[11]	周于皓, 刘慧卿, 祁鹏, 赵萌, 陈宇. 基于循环神经网络的缝洞型油藏油井产量预测[J]. 计算物理, 2018, 35(6): 668-674.
[12]	苟雪银, 郭立新, 张连波. 支持向量机和神经网络在粗糙面参数反演中的比较[J]. 计算物理, 2014, 31(1): 75-84.
[13]	于长丰, 王志伟. 六参数高精度双原子分子解析势能函数[J]. 计算物理, 2012, 29(4): 566-574.
[14]	刘国跃, 韩彩霞. 用能量自洽法研究双原子分子离子XY⁺的五阶解析势能函数[J]. 计算物理, 2011, 28(5): 761-766.
[15]	李旭, 俞集辉, 李永明, 汪泉弟. 互连导线串扰问题的人工神经网络预测[J]. 计算物理, 2009, 26(2): 311-316.