软件 | ACDS人工智能辅助爆轰分析软件-软服之家

ACDS (Artificial-intelligence aided Detonation Analysis Software)是一款分析含能材料爆轰性能的计算机软件包。软件包为满足含能材料基因组工程、含能化合物信息学的研究与工业混合炸药开发设计需求，涵盖单质含能材料（TNT、RDX、HMX）、工业猛炸药、高分子塑性粘结炸药、含铝炸药、乳化炸药、液体炸药等材料体系，为基于材料基因数据、化学平衡分析与人工智能机器学习算法结合的含能材料合成、配方设计优化提供高效工具支撑。

ACDS主要框架包含由含能材料基因数据库（Energetic Materials Genome Database, EMGD）、集成机器学习模型（Ensemble Machine Learning Model，EMLM）、化学爆轰分析模块（Chemical Detonation Analysis Model, CDAM）和图形用户界面（ACDS-GUI）组成。ACDS各模块之间通过python驱动实现高度集成融合，为高效产生、分析和处理和含能材料能量性能，进而开展含能分子设计与配方高通量计算优化提供专业操作化软件平台。ACDS软件主要特征如下：

（1）含能材料基因数据库

含能材料基因数据库收录了超过1000组含能材料性能数据，涵盖RDX、HMX、CL-20、TNT、DNAN、NTO、FOX-7和TKX-50等常见炸药体系，数据集组成见图1。含能材料数据来源于研究文献、国内外炸药手册和实验测试数据，其中采用行业标准测试方法获得的试验爆轰数据占据比例超过数据库条目的70%。

图 1 ACDS的含能材料基因数据库成分

初始数据集经过含能材料领域炸药研制专家课题组专业人员的人工筛选标注，进而开展数据特征工程分析，最终确定数套含能材料基因组数据，用于ACDS-EMLM模块训练学习使用。

含能材料基因数据库还包含一个反应物数据集，收录了接近600种含能化合物及相关混合物，支持ACDS-GUI组分调用和高通量计算调用。

（2）混合物理信息-数据驱动的集成计算模型

ACDS的集成机器学习模型（EMLM）基于数据驱动机器学习框架，融合了自开发的金属粉反应率物理模型。ACDS-EMLM通过学习含能材料基因数据库信息，结合金属反应率物理模型误差分析反向传播，大幅度提高了含能材料爆速和爆热预测精度，可快速准确预测C-H-N-O-F-Cl-Al含能材料爆轰参数。

ACDS的化学爆轰分析模块（CDAM）是基于Chapman-Jouguet稳态爆轰理论，采用Becker-Kistiakowsky-Wilson（BKW）状态方程描述气体产物，采用Cowan状态方程描述固相产物，通过White提出的最小自由能技术求解爆轰反应化学平衡组分，基于爆轰产物等熵线爆速最小原则确定C-J点，从而计算C-H-O-N系含能材料C-J爆轰参数。

ACDS可以耦合CDAM和EMLM构建混合物理信息-数据驱动的集成计算模型，通过对数据库材料信息学习，优化模型集成参数，从而提升整体预测精度。

（3）简洁风格的图形用户界面

ACDS的图形用户界面（GUI）是实现用户使用功能的专用简洁界面，可驱动数据库查询、爆炸反应物选取、计算模型选择、输入文件创建、计算过程监控和计算结果生成，GUI最为常用的计算模式为组分查询-组分选取-混合物信息生成-计算模型选取-计算结果输出，并支持python脚本语言调用核心计算模型实现高通量能量计算。ACDS-GUI界面风格见图 2。