← 返回列表
基于强化学习的单一体系的分子生成方法及装置
摘要文本
基于强化学习的单一体系的分子生成方法及装置,属于分子生成预测技术领域,该方法对收集的分子表达式进行去重处理得到分子数据集;对分子数据集通过原子替换的方式进行扩充,得到扩充数据集并进行去重处理;通过去重处理后的扩充数据集,对Transformer模型进行预训练,得到预训练模型V1;对预训练模型V1进行强化学习处理,得到预训练模型V2;对预训练模型V2进行微调处理,微调处理过程中定量挑选满足条件的分子参与到预训练模型V2的训练,得到微调处理后的预训练模型V3,通过预训练模型V3进行单一体系的新分子生成。本发明显著提高了满足生产要求的新分子的发现效率,大大缩短化学领域内实验室新分子研发的周期。
申请人信息
- 申请人:烟台国工智能科技有限公司
- 申请人地址:264006 山东省烟台市开发区珠江路66号正海大厦27层2701号
- 发明人: 烟台国工智能科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于强化学习的单一体系的分子生成方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410077808.3 |
| 申请日 | 2024/1/19 |
| 公告号 | CN117594157A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G16C20/50 |
| 权利人 | 烟台国工智能科技有限公司 |
| 发明人 | 李中伟; 谢爱峰; 柳彦宏; 鲍雨 |
| 地址 | 山东省烟台市开发区珠江路66号正海大厦27层2701号 |
专利主权项内容
1.基于强化学习的单一体系的分子生成方法,其特征在于,包括:从公开数据库中收集分子表达式,对收集的所述分子表达式进行去重处理得到分子数据集;对所述分子数据集通过原子替换的方式进行扩充,得到扩充数据集,对所述扩充数据集进行去重处理;通过去重处理后的所述扩充数据集,对Transformer模型进行预训练,得到预训练模型V1;对所述预训练模型V1进行强化学习处理,得到预训练模型V2;对所述预训练模型V2进行微调处理,微调处理过程中定量挑选满足条件的分子参与到所述预训练模型V2的训练,得到微调处理后的预训练模型V3,通过所述预训练模型V3进行单一体系的新分子生成。