[发明专利]分子处理方法、装置、电子设备、存储介质及程序产品

权利要求书

1.一种基于人工智能的分子处理方法，其特征在于，所述方法包括：

获取目标分子的三维结构；

调用神经网络模型对所述目标分子的三维结构进行能量误差预测处理，得到所述目标分子的能量误差；

其中，所述神经网络模型是通过拟合样本分子的能量误差进行训练得到的，所述样本分子的能量误差指分别按照两种能量计算机制来计算所述样本分子的能量时得到的计算结果差值，所述两种能量计算机制包括第一能量计算处理以及第二能量计算处理，所述第一能量计算处理的精度小于所述第二能量计算处理的精度，且所述第一能量计算处理的速度大于所述第二能量计算处理的速度；

对所述目标分子的三维结构进行所述第一能量计算处理，得到所述目标分子的第一能量；

基于所述目标分子的能量误差对所述目标分子的第一能量进行误差修正处理，得到所述目标分子的第二能量。

2.根据权利要求1所述的方法，其特征在于，所述调用神经网络模型对所述目标分子的三维结构进行能量误差预测处理，得到所述目标分子的能量误差，包括：

通过所述神经网络模型对所述三维结构进行特征提取处理，得到所述目标分子的能量误差特征；

通过所述神经网络模型对所述能量误差特征进行全连接处理，得到所述目标分子的能量误差。

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型包括N个级联的特征网络，所述通过所述神经网络模型对所述三维结构进行特征提取处理，得到所述目标分子的能量误差特征，包括：

对所述三维结构中每个原子进行初始特征提取处理，得到每个原子的初始特征；

当n取值为1≤n≤N-2时，通过N个级联的特征网络中的第n特征网络，对所述第n特征网络的输入进行第n特征提取处理，得到每个所述原子的第n特征，并将所述第n特征传输到第n+1特征网络以继续进行第n+1特征提取处理；

当n取值为N-1时，通过所述第n+1特征网络对每个所述原子的第n特征进行属性特征提取处理，得到每个所述原子的第n+1属性特征，并通过所述第n+1特征网络对每个所述原子的第n特征进行坐标特征提取处理，得到每个所述原子的第n+1坐标特征，将每个所述原子的第n+1属性特征以及第n+1坐标特征组成所述能量误差特征；

其中，N的取值范围满足2≤N，n为取值从1开始递增的整数，且n的取值范围满足1≤n≤N-1；当n取值为1时，所述第n特征网络的输入为每个原子的初始特征，当n取值为2≤n≤N-1时，所述第n特征网络的输入为第n-1特征网络输出的每个原子的第n-1特征。

4.根据权利要求3所述的方法，其特征在于，所述对所述三维结构中每个原子进行初始特征提取处理，得到每个原子的初始特征，包括：

获取所述三维结构中每个原子的初始属性特征，并获取所述三维结构中每个原子的初始坐标特征；

其中，所述初始属性特征表征所述原子的属性信息，所述初始坐标特征表征所述原子的位置信息；

针对所述三维结构中每个所述原子执行以下处理：获取所述三维结构中除所述原子之外的至少一个其他原子，并获取所述原子与每个所述其他原子之间的初始关系特征，其中，所述初始关系特征表征所述原子与其他原子的连接关系；

将每个所述原子的初始属性特征、每个所述原子的初始坐标特征以及每个所述原子的初始关系特征，组成每个所述原子的初始特征。

5.根据权利要求3所述的方法，其特征在于，所述通过N个级联的特征网络中的第n特征网络，对所述第n特征网络的输入进行第n特征提取处理，得到每个所述原子的第n特征，包括：

通过所述第n特征网络对每个所述原子执行以下处理：

获取所述三维结构中除所述原子之外的其他原子；

对所述原子的第n-1特征以及每个所述其他原子的第n-1特征，执行第一映射处理，得到所述原子对应每个所述其他原子的第n关联特征；

对所述原子的第n-1特征以及所述原子对应每个所述其他原子的第n关联特征，执行第二映射处理，得到所述原子的第n特征。