偶氮苯顺反结构的可逆转换是研究光动力学中分子开关的基础,在顺反异构化过程中,构象变化引起的电子极化效应明显,传统力场的固定点电荷模型无法准确描述该极化效应,需要开发能够描述复杂空间构象的电荷模型以捕获构象变化引起的电子极化效应。近年来,机器学习逐渐应用于量子化学领域,机器学习的高效性结合从头算方法的准确性可以提高分子模拟效果。本论文基于原子中心对称函数发展了原子类型对称函数用于描述原子及其周围化学环境,通过对相同元素不同性质的原子进行分类,可以提供更加合理的机器学习描述符,该方法被证明具有良好的迁移性,普遍适用于其他分子体系。使用随机森林回归算法得到偶氮苯基态S0和激发态S1的构象自适应电荷预测模型,可用于替代传统力场中的固定点电荷模型,对于激发态电荷,只用基态几何性质就可以得到足够准确的预测结果,这为其他激发态力场开发工作提供参考。使用中心代表原子生成的原子描述符,显示出对整体偶氮苯分子结构的感知能力,训练得到的预测模型可以提供精确的分子能量、激发能、偶极矩计算结果。总之,本论文基于原子类型对称函数和随机森林回归算法分别预测了基态S0和激发态S1的原子电荷,提供了适用于偶氮苯的构象自适应电荷模型,为偶氮苯力场开发提供了有效参数。基于中心代表原子的原子类型对称函数描述符可用于分子整体性质的预测,为改进偶氮苯分子动力学模拟提供了有效方法,同时为其它激发态力场开发工作提供借鉴。