雖然現在市面已經有很多化學軟體可以用於模擬原子，分子甚至小型蛋白質。但那些軟體多是收費的，使用起來也很繁瑣。至少要學到化學碩士才有可能接觸這些模擬軟體，但對於大多數化學愛好者來說多數情況下想知道的只是兩種物質作用的基本過程和規律，並不需要計算出的值有多精確。

用萬有引力和電磁力做一個模型很顯然是錯誤的，因為已經被量子力學否定掉了。就是沒有否定掉，一個像氯原子的17體問題也不太可能得到什麼有意義的解。

而如果把神經網路的權重當做概率幅好像是可以解決這個問題，

這個仿照f2分子做的模型，如果我們把這個模型給捲起來

這個模型開起來似乎更像原子，只不過模型裡是用兩層網路來類比電子和電子的相互作用。

同樣cl2分子的模型

捲起來

還有br2分子

這個捲起來就是兩個黑球。

然後按照神經網路的原理讓兩個網路向對方收斂，

權重的初始化標準是

Random rand1 =new Random();

int t=rand1.nextInt(99);

w[a][b]=(double)t/200;

收斂標準是

While（Math.abs(a-b)>0.001）

學習率是0.1

分別訓練了仿f2，cl2，br2分子的神經網路模型，運行了50組。

得到資料

由實驗得到的資料很顯然隨著原子序數的增加網路收斂需要迭代次數逐漸增加，直觀上看1*17*17的網路很顯然比1*9*9的網路複雜，需要的迭代次數更多也符合常理。化學鍵越長越不穩定這個化學世界的真實的化學性質與神經網路模擬出來的漸進性也相符。