【技术实现步骤摘要】
本专利技术属于化学反应性预测，具体涉及一种基于二维图像分子表征的化学反应性预测方法及系统。
技术介绍
1、近年来，随着各种分子特征表征方法的提出和有机合成实验数据的累计，深度学习模型在化学反应空间探索领域崭露头角。然而分子特征的描述仍然是一项极具挑战性的任务。
2、相比于化学分子性质的预测，化学反应分类和产率预测更有挑战性。化学反应是反应物分子之间，反应物与溶剂之间，反应物与催化剂之间的复杂相互作用。反应种类的预测需要辅以例如标记反应中心和原子映射等区别反应物与反应物之间，反应物与产物之间的手段。化学反应性的预测则需要提前引入一些构效关系信息。即现有的技术手段无法实现对化学反应的结果做出精确预测。
3、因此，针对以上无法实现对化学反应的结果做出精确预测的技术问题缺陷，急需设计和开发一种基于二维图像分子表征的化学反应性预测方法及系统。
技术实现思路
1、为克服上述现有技术存在的不足及困难，本专利技术之目的在于提供一种基于二维图像分子表征的化学反应性预测方法及系统，能够对化学反应的结果做出精确预测。
2、本专利技术的第一目的在于提供一种基于二维图像分子表征的化学反应性预测方法；本专利技术的第二目的在于提供一种基于二维图像分子表征的化学反应性预测系统；本专利技术的第三目的在于提供一种基于二维图像分子表征的化学反应性预平台；本专利技术的第四目的在于提供一种计算机可读取存储介质。
3、本专利技术的第一目的是这样实现的：所述方法包括如下步骤：p>
4、实时获取与待化学反应相对应的偶联反应数据集，其中，所述偶联反应数据集包括bha数据集和smc数据集；
5、根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据；
6、创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据。
7、进一步地，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
8、根据获取到的偶联反应数据集，绘制生成与所述偶联反应数据集相对应的第一二维化学反应图像；
9、结合化学反应中的分子顺序依次拼接压缩处理与分子相对应的图像数据，并生成相对应的第二二维化学反应图像。
10、进一步地，所述第一二维化学反应图像或所述第二二维化学反应图像的像素分辨率为896*224；通道数为rgb，像素值为0-255。
11、进一步地，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
12、实时获取所述偶联反应数据集中的图像数据，截图压缩处理所述图像数据，并生成相对应的第三二维化学反应图像，其中，所述第三二维化学反应图像的像素分辨率为896*224；通道数为rgb，像素值为0-255。
13、进一步地，所述创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据，还包括：
14、训练处理偶联反应数据集，并于所述偶联反应数据集之间迁移处理偶联反应数据集中相对应的图像数据。
15、本专利技术的第二目的是这样实现的：所述系统包括：
16、数据获取单元，用于实时获取与待化学反应相对应的偶联反应数据集，其中，所述偶联反应数据集包括bha数据集和smc数据集；
17、第一数据生成单元，用于根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据；
18、创建生成单元，用于创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据。
19、进一步地，所述第一数据生成单元，还包括：
20、第一数据生成模块，用于根据获取到的偶联反应数据集，绘制生成与所述偶联反应数据集相对应的第一二维化学反应图像；
21、第二数据生成模块，用于结合化学反应中的分子顺序依次拼接压缩处理与分子相对应的图像数据，并生成相对应的第二二维化学反应图像；
22、所述第一二维化学反应图像或所述第二二维化学反应图像的像素分辨率为896*224；通道数为rgb，像素值为0-255；
23、和/或，所述创建生成单元，还包括：
24、数据迁移处理模块，用于训练处理偶联反应数据集，并于所述偶联反应数据集之间迁移处理偶联反应数据集中相对应的图像数据。
25、进一步地，所述第一数据生成单元，还包括：
26、第三数据生成模块，用于实时获取所述偶联反应数据集中的图像数据，截图压缩处理所述图像数据，并生成相对应的第三二维化学反应图像，其中，所述第三二维化学反应图像的像素分辨率为896*224；通道数为rgb，像素值为0-255。
27、本专利技术的第三目的是这样实现的：包括处理器、存储器以及基于二维图像分子表征的化学反应性预测平台控制程序；其中在所述的处理器执行所述的基于二维图像分子表征的化学反应性预测平台控制程序，所述的基于二维图像分子表征的化学反应性预测平台控制程序被存储在所述存储器中，所述的基于二维图像分子表征的化学反应性预测平台控制程序，实现所述的基于二维图像分子表征的化学反应性预测方法。
28、本专利技术的第四目的是这样实现的：所述计算机可读取存储介质存储有基于二维图像分子表征的化学反应性预测平台控制程序，所述的基于二维图像分子表征的化学反应性预测平台控制程序，实现所述的基于二维图像分子表征的化学反应性预测方法。
29、本专利技术通过方法实时获取与待化学反应相对应的偶联反应数据集，其中，所述偶联反应数据集包括bha数据集和smc数据集；根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据；创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据；以及与所述方法相对应的系统、平台及存储介质，能够对化学反应的结果做出精确预测。
30、也就是说，本方案使用图像的分子表征方式，利用残差神经网络(resnet)将分子的二维图像与化学反应空间联系起来。在不再为模型提前引入化学知识的前提下，从数据驱动的角度构建分子图像和反应类型以及反应结果的流程。并证明了该方法在不同化学反应数据集上进行反应分类和产率预测的有效性，在反应分类任务上取得了98.6％的准确性，在多个化学反应数据集的产率预测任务上也取得了良好的预测性能。
本文档来自技高网...【技术保护点】
1.一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
3.根据权利要求2所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述第一二维化学反应图像或所述第二二维化学反应图像的像素分辨率为896*224；通道数为RGB，像素值为0-255。
4.根据权利要求1或2所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
5.根据权利要求1所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据，还包括：
6.一种基于二维图像分子表征的化学反应性预测系统，其特征在于，所述系统包括：
7.根据权利要求6所述的一种基于二维图像分子表征的化学反应性预测系
8.根据权利要求6或7所述的一种基于二维图像分子表征的化学反应性预测系统，其特征在于，所述第一数据生成单元，还包括：
9.一种基于二维图像分子表征的化学反应性预测平台，其特征在于，包括处理器、存储器以及基于二维图像分子表征的化学反应性预测平台控制程序；其中，在所述的处理器执行所述的基于二维图像分子表征的化学反应性预测平台控制程序，所述的基于二维图像分子表征的化学反应性预测平台控制程序被存储在所述存储器中，所述的基于二维图像分子表征的化学反应性预测平台控制程序，实现如权利要求1至5中任一项所述的基于二维图像分子表征的化学反应性预测方法。
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质存储有基于二维图像分子表征的化学反应性预测平台控制程序，所述的基于二维图像分子表征的化学反应性预测平台控制程序，实现如权利要求1至5中任一项所述的基于二维图像分子表征的化学反应性预测方法。
...【技术特征摘要】
1.一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
3.根据权利要求2所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述第一二维化学反应图像或所述第二二维化学反应图像的像素分辨率为896*224；通道数为rgb，像素值为0-255。
4.根据权利要求1或2所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据，还包括：
5.根据权利要求1所述一种基于二维图像分子表征的化学反应性预测方法，其特征在于，所述创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据，还包括：
6.一种基于二维图像分子表征的化学反应性预测系统，其特征在于，所述系统包括：
7.根据权...
【专利技术属性】
技术研发人员：游恒志，张潇文，卿晶，李国威，陈凯，朱静远，李超逸，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。