一种基于机器学习的掺杂团簇基态结构优化方法及系统

本发明涉及机器学习技术领域，公开了一种基于机器学习的掺杂团簇基态结构优化方法及系统，方法包括：采集原始掺杂团簇数据并进行优化作为掺杂团簇标准数据集，并将掺杂团簇标准数据集划分为训练集、验证集和测试集；通过在原始SchNet中添加原子间相互作用注意力机制构建掺杂团簇势能面拟合机器学习网络，并利用训练集和验证集进行训练；将测试集输入训练好的掺杂团簇势能面拟合机器学习网络中，得到并输出最终掺杂团簇势能面；使用人工蜂群算法在最终掺杂团簇势能面上进行结构搜索和优化，不断更新结构直到寻找到能量最低的基态结构。本发明提高了势能面拟合的精确度，提升了计算效益，且良好的可移植性。