【技术实现步骤摘要】
产生新的化学结构的方法、神经网络设备和非瞬时计算机可读的介质
[0001]对相关申请的交叉引用
[0002]本申请基于在韩国知识产权局于2019年12月9日提交的韩国专利申请No.10-2019-0162918并且要求其优先权,将其公开内容全部通过引用引入本文中。
[0003]本公开内容涉及用于产生新的化学结构的设备和方法。
技术介绍
[0004]神经网络指的是其中模仿生物大脑(以生物大脑为模型)的计算架构。随着神经网络技术的发展,神经网络已经被用在多种类型的电子系统中以分析输入的数据和提取有效的信息。
[0005]近来,已经积极地进行了研究以通过使用神经网络技术评价化学结构的性质以选择将用于开发材料的化学结构。根据使用根据相关技术的神经网络技术设计材料的方法,在获得新的化学结构之后,事后检查所述新的化学结构是否包括预定的黑名单,且因此包括所述黑名单的这样的新的化学结构被过滤掉。
[0006]然而,使用神经网络模型产生的大多数新的化学结构包括黑名单,且因此,难以获得具有令人满意的性质的新的化学 ...
【技术保护点】
【技术特征摘要】
1.产生新的化学结构的方法,所述方法通过神经网络设备实行并且包括:接收化学结构的结构输入;基于所述结构输入产生负注意向量,其指示所述结构输入中的多个黑名单各自的存在的相应概率;通过将所述结构输入编码而产生结构表达;基于所述负注意向量和所述结构表达产生最终反向黑名单向量,其不包括所述多个黑名单;和通过将所述最终反向黑名单向量解码而产生所述新的化学结构。2.如权利要求1所述的方法,其中产生最终反向黑名单向量包括:使用所述负注意向量计算反向负注意向量,和基于所述反向负注意向量和所述结构表达产生所述最终反向黑名单向量。3.如权利要求1所述的方法,其中产生最终反向黑名单向量包括:在化学结构产生模型的学习过程期间基于所述负注意向量和所述结构表达产生包括所述多个黑名单的最终黑名单向量,和其中产生所述新的化学结构进一步包括:基于所述新的化学结构和对应于所述新的化学结构的黑名单预测结果训练所述化学结构产生模型。4.如权利要求3所述的方法,其中训练所述化学结构产生模型包括:使用非负参数计算所述黑名单预测结果。5.如权利要求1所述的方法,其中所述结构输入包括在化学结构产生模型的学习过程期间被证实不包括所述多个黑名单的至少一部分的化学结构。6.如权利要求1所述的方法,进一步包括:选择所述多个黑名单的一部分,其中所述产生负注意向量包括基于所述结构输入产生指示所述结构输入中的所选择的黑名单各自的存在的相应概率的负注意向量,和其中所述产生最终反向黑名单向量包括基于所述负注意向量和所述结构表达产生不包括所选择的黑名单的最终反向黑名单向量。7.如权利要求2所述的方法,其中所述产生最终反向黑名单向量包括基于在所述反向负注意向量和所述结构表达之间的逐元素相乘产生所述最终反向黑名单向量。8.如权利要求1所述的方法,进一步包括:基于所述结构输入产生正注意向量,其指示所述结构输入中的多个白名单各自的存在的相应概率;基于所述正注意向量和所述结构表达产生包括所述多个白名单的最终白名单向量;和通过将所述最终白名单向量解码而产生所述新的化学结构。9.如权利要求8所述的方法,其中所述结构输入包括在化学结构产生模型的学习过程期间被证实包括所述多个白名单的至少一部分的化学结构。10.如权利要求8所述的方法,其中所述结构输入包括在化学结构产生模型的学习过程期间被证实不包括所述多个黑名单的至少一部分并且被证实包括所述多个白名单的至少一部分的化学结构。
11.用于产生新的化学结构的神经网络设备,所述神经网络设备包括:其中存储至少...
【专利技术属性】
技术研发人员:权宁千,庾志镐,崔伦硕,南煐敏,朴珉植,朴珍雨,李东宣,
申请(专利权)人:三星电子株式会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。