一种药物分子性质预测方法

专利主权项内容

1.一种药物分子性质预测方法，其特征在于，包括以下步骤：步骤一，以图神经网络作为主干模型，以变分量子线路作为编码层，构建药物分子性质预测模型，变分量子线路包括量子编码层、变分量子线路层及测量输出层；步骤二，以待预测药物的原子作为药物分子图的节点，化学键作为药物分子图的边，制作待预测药物的药物分子图；药物分子图中第个节点为/>，/>，，/>表示药物分子图中节点的数量，/>表示药物分子图中一个节点的维度，/>表示节点/>的第/>维数据；步骤三，利用量子编码层将节点转化为量子态节点特征；利用变分量子线路层中的受控X轴旋转门对量子态节点特征进行纠缠后，使用变分量子线路层中的X轴旋转门提取特征，得到药物分子图的旋转后的量子态节点特征；利用测量输出层对旋转后的量子态节点特征进行测量求解期望值，得到原子节点特征/>；以变分量子线路层中受控X轴旋转门中的旋转角度参数/>作为变分量子线路的待优化参数；步骤四，使用邻接矩阵描述药物分子图，并对该邻接矩阵进行归一化处理得到归一化的分子图邻接矩阵，利用主干模型对原子节点特征/>及归一化的分子图邻接矩阵/>进行卷积、池化及预测；步骤五，定义药物分子性质预测模型的损失函数，并基于损失函数/>定义目标函数/>；步骤六，通过基于梯度的自适应量子行为粒子群优化算法对旋转角度参数及主干模型中各图卷积层的权重矩阵进行联合优化使目标函数/>的值最小，得到完成训练的药物分子性质预测模型；步骤七，基于完成训练的药物分子性质预测模型对待预测药物进行预测得到其药物分子性质。。来自：www.macrodatas.cn