一种基于搜索经验的逆合成分析方法及装置制造方法及图纸

一种基于搜索经验的逆合成分析方法及装置，该方法首先构建逆反应模板库，然后构建SoftMax神经网络模型，通过交叉熵损失函数和逆反应模板库对SoftMax神经网络模型进行训练；将训练好的SoftMax神经网络模型与树搜索算法联合生成路线搜索算法并进行迭代路线搜索，对反应路线沿线的所有逆反应模板设定标签，得到经验数据集；构建经验模型，通过经验数据集和二元交叉熵损失函数对经验模型进行训练；将经验模型的输出概率进行基于贝叶斯定理的概率分布调整，获得逆反应模板的后验概率分布；根据逆反应模板的后验概率分布通过路线搜索算法对产物生成前置反应物。本发明专利技术具备多步可合成信息，可大大提高算法的解决能力。

【技术实现步骤摘要】

本专利技术属于化合物合成分析，具体涉及一种基于搜索经验的逆合成分析方法及装置。

技术介绍

1、逆合成分析是一种通常被化学家或计算机拿来合成指定化合物的方法。它将目标化合物一步步分解为更简单的反应物，直到找到可购买的构建块。

2、目前业内在逆合成路线规划中通常过分依赖使用“静态模型”，即使用某一指定数据集训练的单步模型结合某种树搜索算法来进行路线规划。由于数据集中往往仅包含单步反应，缺乏多步可合成信息，因此算法的解决能力(即分解得到的构建块均可购买)不足。

3、因此，专利技术一种具备多步可合成信息，可提高算法的解决能力方式，成为亟需解决的问题。

技术实现思路

1、为此，本专利技术提供一种基于搜索经验的逆合成分析方法及装置，该方法通过使用在路线规划过程中搜集到的经验数据训练得来的经验模型，弥补了这一缺陷。经验模型学到的是多步可合成信息，与单步模型学到的单步反应信息相辅相成，互为补充，两者结合可大大提高算法的解决能力。

2、为了实现上述目的，本专利技术提供如下技术方案：一种基于搜本文档来自技高网...

【技术保护点】

1.一种基于搜索经验的逆合成分析方法，其特征在于，包括：

2.根据权利要求1所述的一种基于搜索经验的逆合成分析方法，其特征在于，通过构建全连接多分类神经网络模型获得所述SoftMax神经网络模型，并通过交叉熵损失函数和所述逆反应模板库对所述SoftMax神经网络模型进行训练；将所述产物的向量化表示数据输入所述SoftMax神经网络模型，通过所述SoftMax神经网络模型进行处理，输出所述逆反应模板库中每种所述逆反应模板的概率分布。

3.根据权利要求2所述的一种基于搜索经验的逆合成分析方法，其特征在于，所述经验数据集的生成过程中，构建目标化合物库，所述目标化合物库包...

【技术特征摘要】

1.一种基于搜索经验的逆合成分析方法，其特征在于，包括：

2.根据权利要求1所述的一种基于搜索经验的逆合成分析方法，其特征在于，通过构建全连接多分类神经网络模型获得所述softmax神经网络模型，并通过交叉熵损失函数和所述逆反应模板库对所述softmax神经网络模型进行训练；将所述产物的向量化表示数据输入所述softmax神经网络模型，通过所述softmax神经网络模型进行处理，输出所述逆反应模板库中每种所述逆反应模板的概率分布。

3.根据权利要求2所述的一种基于搜索经验的逆合成分析方法，其特征在于，所述经验数据集的生成过程中，构建目标化合物库，所述目标化合物库包括化合物smiles字段；

4.根据权利要求3所述的一种基于搜索经验的逆合成分析方法，其特征在于，通过构建全连接二分类神经网络模型获得所述经验模型，并通过所述经验数据集和二元交叉熵损失函数对所述经验模型进行训练；将所述产物的向量化表示数据和所述逆反应模板的向量化表示数据分别输入所述经验模型，通过所述经验模型进行处理，输出所述产物通过所述逆反应模板处理后反应路线能解决的概率。

5.根据权利要求4所述的一种基于搜索经验的逆合成分析方法，其特征在于，在所述路线搜索算法的扩展阶段，将所述softmax神经网络模型输出的所述逆反应模板库中每种所述逆反应模板的概率分布作为所述逆反应模板的先验概率分布。

6.一种基于搜索经验的逆合成分析处理装置，采用权利要求1至5任一项所述的一种基于搜索经验的逆合成分析方...

【专利技术属性】
技术研发人员：祝艺玮，却立勇，柳彦宏，李中伟，
申请(专利权)人：烟台国工智能科技有限公司，
类型：发明
国别省市：