基于图神经网络和注意力机制的聚合物信息学方法

本发明公开了一种基于图神经网络和注意力机制的聚合物信息学方法，首先对聚合物数据进行特征提取，包括原子元素类型，边类型，原子质量等，随后根据原子之间的连接关系将聚合物表示为图数据。随后将聚合物的图表示送入GCN中进行训练，在GCN的消息传递操作结束后，使用Transformer的注意力模块将图特征进行更新，更新后的图就有了原子间相互关系的信息，随后使用图嵌入进行下游任务的训练。使用了本发明的图嵌入表示后，在均聚物和共聚物的数据集上的性质预测能力相比于现有纯GNN的方法得到了提高。相比于普通的算法过程，数据种群更新率、种群适应度得到了提高，且生成的聚合物材料更符合化学规则。