[发明专利]化合物性质预测方法、装置、计算机设备及可读存储介质有效
| 申请号: | 201910979509.8 | 申请日: | 2019-10-15 |
| 公开(公告)号: | CN110767271B | 公开(公告)日: | 2021-01-08 |
| 发明(设计)人: | 荣钰;黄文炳;徐挺洋 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
| 主分类号: | G16C20/30 | 分类号: | G16C20/30 |
| 代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 蔡艾莹 |
| 地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 化合物 性质 预测 方法 装置 计算机 设备 可读 存储 介质 | ||
1.一种化合物性质预测方法,其特征在于,包括:
获取目标化合物的化学结构信息,所述化学结构信息包括原子和化学键;
根据所述化学结构信息生成与所述化学结构信息对应的化学结构图,所述化学结构图包括所述原子对应的节点以及所述化学键对应的边;
构建所述节点的原始节点特征和所述边的原始边特征;
根据所述节点的原始节点特征、所述边的原始边特征获取多轮消息传播的初始输入信息;
将所述初始输入导入至多层边信息传播模型,所述多层边信息传播模型包括:多个消息传播层、节点特征转化层和融合层;
通过多层边信息传播模型中多个消息传播层在所述边上进行多轮消息传播,得到所述边在经过多轮消息传播后的传播状态信息;
根据所述传播状态信息获取所述边的目标特征;
通过所述节点特征转化层将所述边的目标特征转换成所述化学结构图中每个节点的节点特征;
通过所述融合层对每个节点的节点特征进行融合,得到所述化学结构图的特征;
根据所述化学结构图的特征预测目标化合物的性质,并输出目标化合物的性质预测结果。
2.如权利要求1所述的化合物性质预测方法,其特征在于,通过多层边信息传播模型中多个消息传播层在所述边上进行多轮消息传播,得到所述边在经过多轮消息传播后的传播状态信息,包括:
将所述初始输入信息作为当前轮消息传播的当前输入,并基于当前输入进行当前轮消息传播,其中,每一个消息传播层对应一轮消息传播;
通过多层边信息传播模型中消息传播层,根据所述节点的原始节点特征、所述边的当前边特征以及历史传播状态信息,获取所述边在当前轮消息传播时的当前传播状态信息,其中,所述历史传播状态信息为所述边在历史轮消息传播时的传播状态信息;
在进入下一轮消息传播时,根据所述当前传播状态信息、节点的原始节点特征更新所述当前输入,并返回执行基于当前输入进行当前轮消息传播的步骤直至完成所有轮消息传播,得到所述边在经过多轮消息传播后的传播状态信息。
3.如权利要求2所述的化合物性质预测方法,其特征在于,根据所述节点的原始节点特征、所述边的当前边特征以及历史传播状态信息,获取所述边在当前轮消息传播时的当前传播状态信息,包括:
确定所述边的起始节点对应的所有入边;
对所述入边的当前边特征、所述入边上节点的原始节点特征、以及所述入边在历史消息传播时的历史传播状态信息进行融合,得到所述入边的消息;
对所有入边的消息进行聚合,得到所述边在当前轮消息传播时的消息信息;
对所述边在历史轮消息传播时的历史传播状态信息、以及所述消息信息进行融合,得到所述边在当前轮消息传播时的当前传播状态信息。
4.如权利要求3所述的化合物性质预测方法,其特征在于,对所述入边的当前边特征、所述入边上节点的原始节点特征、以及所述入边在历史消息传播时的历史传播状态信息进行融合,得到所述入边的消息,包括:
根据消息生成参数,对所述入边的当前边特征、所述入边上节点的原始节点特征、以及所述入边在历史消息传播时的历史传播状态信息进行融合,得到融合后特征;
基于激活函数对所述融合后特征进行处理,得到所述入边的消息。
5.如权利要求3所述的化合物性质预测方法,其特征在于,对所述边在历史轮消息传播时的历史传播状态信息、以及所述消息信息进行融合,得到所述边在当前轮消息传播时的当前传播状态信息,包括:
获取所述边在参考历史轮消息传播时的参考历史传播状态信息;
根据第一融合参数对参考历史传播状态、和所述消息信息进行融合,得到融合后传播状态信息;
基于激活函数对融合后传播状态进行处理,得到所述边在当前轮消息传播时的当前传播状态信息。
6.如权利要求5所述的化合物性质预测方法,其特征在于,获取所述边在参考历史轮消息传播时的参考历史传播状态信息,包括:
根据第二融合参数对所述边的原始边特征、所述边上节点的原始节点特征进行融合,得到所述边的融合后边特征;
基于激活函数对融合后边特征进行处理,得到所述边在参考历史轮消息传播时的参考历史传播状态信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910979509.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种虚拟药物试验系统
- 下一篇:一种水盐体系相图的绘制方法





