摘要
本申请公开了一种面向分子属性预测的分子表示学习预训练方法及相关装置,涉及分子表示学习技术领域,该方法包括:利用分子表示模型分别生成基于SMILES数据的第一分子表示和基于分子拓扑图的第二分子表示,将第一分子表示平均拆分为第一共有分子表示和第一特有分子表示,将第二分子表示平均拆分为第二共有分子表示和第二特有分子表示,进一步计算得到预训练损失,并利用预训练损失进行模型更新,不断迭代,得到预训练后分子表示模型,利用下游分子属性预测任务对预训练后分子表示模型进行微调,得到微调后分子表示模型,本申请能够同时利用多视图的共有信息和特有信息来完成分子表示学习,从而提高分子表示的准确性和可靠性。
技术关键词
分子
预训练方法
拓扑图
属性预测模型
编码器
特征值
分支
数据
样本
解码器
处理器
模型更新
标签
计算机设备
可读存储介质
存储器
误差
系统为您推荐了相关专利信息
步态识别方法
卷积特征提取
步态特征提取
足底压力数据
频域特征提取
预测车辆轨迹
车辆轨迹预测方法
运动信息编码
一维卷积神经网络
车辆历史轨迹
人工智能网络
分割方法
肺叶
解剖特征
肝部CT图像
轨迹规划方法
多模态
位置编码信息
编码特征
轨迹预测模型