-
公开(公告)号：CN115758758A
公开(公告)日：2023-03-07
申请号：CN202211476282.3
申请日：2022-11-23
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于相似性特征约束的逆合成预测方法、介质及设备；其中方法为：将待预测产物转换为相应的产物SMILES序列；利用图神经网络提取出产物SMILES序列中所有字符对应的图结构特征；将图结构特征与词向量表示融合得到融合向量；将融合向量矩阵输入Transformer编码器和解码器中，得到反应物集合SMILES序列，进行转换得到相应的反应物。该方法将产物分子的图结构特征融入到预测特征中，提高了预测准确效果；通过特征约束学习反应物和产物集合间的共性，利用共性特征更好地帮助Transformer模型进行逆合成预测，进一步提高模型的预测准确率。
-
公开(公告)号：CN114220496A
公开(公告)日：2022-03-22
申请号：CN202111441439.4
申请日：2021-11-30
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于深度学习的逆合成预测方法、装置、介质及设备；其中，方法包括如下步骤：将目标产物转换为SMILES序列；对SMILES序列进行结构信息的提取，结构信息包括度信息和邻接矩阵信息；进行编码得到度信息编码和邻接信息编码；将SMILES序列输入Transformer模型编码器中，并利用度信息编码和邻接信息编码来优化对SMILES序列的编码；Transformer模型将编码器的编码结果输入到解码器中进行解码，得到反应物集合的SMILES序列，进而转换得到相应的反应物。该方法解决了SMILES序列不能充分考虑分子结构信息的问题，提高了模型预测结果的准确度。
-
公开(公告)号：CN114220496B
公开(公告)日：2024-11-15
申请号：CN202111441439.4
申请日：2021-11-30
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于深度学习的逆合成预测方法、装置、介质及设备；其中，方法包括如下步骤：将目标产物转换为SMILES序列；对SMILES序列进行结构信息的提取，结构信息包括度信息和邻接矩阵信息；进行编码得到度信息编码和邻接信息编码；将SMILES序列输入Transformer模型编码器中，并利用度信息编码和邻接信息编码来优化对SMILES序列的编码；Transformer模型将编码器的编码结果输入到解码器中进行解码，得到反应物集合的SMILES序列，进而转换得到相应的反应物。该方法解决了SMILES序列不能充分考虑分子结构信息的问题，提高了模型预测结果的准确度。
-
-
Search Results
3
records
(took 0.017 seconds)
