本公开提供基于机器学习模拟动态核磁共振谱的方法,其特征在于,包括:构建通过电子结构计算的力和能量的数据集,通过机器学习的方法对数据集进行训练,训练后得到机器学习势模型;通过机器学习势模型做分子动力学模拟或蒙特卡洛模拟,获得模拟轨迹,从模拟轨迹中选取部分结构;基于选取的部分结构,通过机器学习的方法对电子结构计算的化学位移数据集进行训练,得到化学位移预测模型;通过化学位移预测模型预测分子动力学模拟或蒙特卡洛模拟得到的模拟轨迹结构的化学位移;以及基于化学位移生成动态核磁谱。本公开还提供了一种基于机器学习模拟动态核磁共振谱的装置、电子设备以及可读存储介质。
声明:
“基于机器学习模拟动态核磁共振谱的方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)