基于数据扩增的有机反应产物逆合成方法及装置

专利主权项内容

1.基于数据扩增的有机反应产物逆合成方法，其特征在于，包括：获取扩增后的训练集和验证集，及训练集和验证集中的产物对应原始数据集的标签，及训练集和验证集中相同产物的扩增数据的标签；将原始数据集中的产物SMILES转变成原始分子图，原始分子图包括图结构、节点特征和边特征；将训练集和验证集中的产物对应原始数据集的标签，及训练集和验证集中相同产物的扩增数据的标签，转变成one-hot形式的标签向量；构建逆合成预测模型，将分子图作为逆合成预测模型的输入，通过逆合成预测模型获得预测结果，计算预测结果与标签向量的损失；通过训练集对逆合成预测模型进行训练，并计算损失反向传播优化逆合成预测模型的参数，通过验证集对逆合成预测模型进行验证，计算验证集的损失，当验证集的损失停止下降后结束训练，得到验证后的逆合成预测模型；将目标化合物的SMILES表达式作为输入，生成目标化合物的目标分子图；将目标分子图的图结构、节点特征和边特征输入到逆合成预测模型，获得每个分子和键匹配反应模板的概率组成的矩阵；将得到的所有概率进行排序，选择评分处于前预设数量的分子和键，提取反应位点和反应模板，根据反应位点和反应模板生成预测的反应物；逆合成模型的构建包含以下步骤：通过一个K层的消息注意力网络学习分子图的局部特征，节点之间消息传递的注意力权重如下：式中，k-1表示第k-1层的消息传递，W和b为可更新的注意力参数矩阵和偏置向量，表示第k-1层节点a的特征向量，节点b为节点a的邻居，/>表示第k-1层节点b的特征向量；ab表示节点a和b之间的边，/>表示第k-1层节点a和b之间的边的特征向量；∥表示向量串联，根据注意力权重，节点之间消息传递计算如下：attatt式中，和/>为第k层的自链接参数矩阵和消息传递参数矩阵，/>表示与原子节点a相连的边集合，σ表示非线性激活函数，边的消息传递公式如下所示：式中，是边消息传递的参数矩阵，利用一个门控注意力缓解高阶特征的过平滑效应，计算公式如下：式中，表示经过门控注意力之后的节点特征向量，/>表示经过门控注意力之后的节点a和b之间边特征向量，/>表示第0层节点a的特征向量，/>表示第k层节点a的特征向量，表示第0层节点a和b之间边特征向量，/>表示第k层节点a和b之间边特征向量，ga(·)的公式如下：m＝σ(W(x∥x))，m0kn＝σ(W(x∥x))，n0k式中，m和n分别表示门控注意力中的两个权重，表示表示第0层和第k层特征向量的相关性向量，e表示经过门控注意力之后的特征向量；W、W和W表示可更新的参数矩阵，节点和边的局部特征向量为K层消息传递结果的均值：kmnl式中，e表示节点a最终的局部特征向量，e表示节点a和节点b最终的局部特征向量，表示第0层节点a的特征向量，/>表示第0层节点a和b之间边特征向量，/>表示第k层节点a的特征向量，/>表示第k层节点a和b之间边特征向量。aab