【技术实现步骤摘要】
本专利技术涉及条件分子生成，具体涉及一种基于属性值的条件分子生成方法及装置。
技术介绍
1、新分子的发现一直是化工领域一项困难且费时的任务，传统的方法往往需要经验丰富的化学家根据化学反应机理从庞大的化学空间找寻新分子，导致大量的人力物力的消耗。但随着深度学习等先进ai技术的迅猛进步，化学分子研发领域正日益受到ai的深远影响。ai技术的融入不仅为化工研发人员开辟了新的创新途径，还为他们提供了高效的解决方案。 ai的助力显著加速了分子研发的速度，并有效降低了研发成本。它为化工研发人员提供了更加多样化的选择，从而推动了化学分子研发领域的突破性进展。
2、目前，条件分子生成作为前沿的ai理念，其可以建立分子性质与分子之间的关联关系，然后在现有关系的基础上产生分子；此类方法稀有并且没有从头开始生成分子的方法论。
3、因此，设计一种根据属性值从头开始生成smiles分子表达式的方法是分子生成领域另一种全新的思路，具有极大的应用价值。
技术实现思路
1、为此，本专利技术提供一种基...
【技术保护点】
1.一种基于属性值的条件分子生成方法，其特征在于，包括：
2.根据权利要求1所述的一种基于属性值的条件分子生成方法，其特征在于，在将每一个smiles分子表达式和对应的所述属性值按照设定的形式进行组合，构建成新分子的过程中，所述设定的形式为：“<属性名称>属性值|smiles”。
3.根据权利要求2所述的一种基于属性值的条件分子生成方法，其特征在于，在将所述新的数据集按照设定比例划分为训练集和验证集的过程中，所述设定比例为9:1。
4.根据权利要求3所述的一种基于属性值的条件分子生成方法，其特征在于，在将所述新分子的条件...
【技术特征摘要】
1.一种基于属性值的条件分子生成方法，其特征在于，包括：
2.根据权利要求1所述的一种基于属性值的条件分子生成方法，其特征在于，在将每一个smiles分子表达式和对应的所述属性值按照设定的形式进行组合，构建成新分子的过程中，所述设定的形式为：“<属性名称>属性值|smiles”。
3.根据权利要求2所述的一种基于属性值的条件分子生成方法，其特征在于，在将所述新的数据集按照设定比例划分为训练集和验证集的过程中，所述设定比例为9:1。
4.根据权利要求3所述的一种基于属性值的条件分子生成方法，其特征在于，在将所述新分子的条件属性值进行重新编码的过程中，所述新分子的条件属性值为“<属性名称>属性值|”，将所述新分子的条件属性值中的“<属性名称>”和“|”单独编码为token标志；
5.根据权利要求4所述的一种基于属性值的条件分子生成方法，其特征在于，在对所述预训练模型进行训练的过程中，将所述新分子进行拆分，所述新分子的“<属性名称>属性值|”部分定义为条件部分，所述新分子的smiles分子表达式定义为分子部分；分别对所述新分子的条件部分token标志和分子部分token标志进行编码，并将条件部分信息附加到分子部分信息上，获得编码矩阵；将所述编码矩阵输入到所述预训练模型中，输出分子编码。
6.一种基于属性值的条件分子生成装置，采用权利要求1-5任一种基于属性值的条件分子生成方法，其特...
【专利技术属性】
技术研发人员：柳彦宏，谢爱峰，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：
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。