一种基于对抗训练自编码器架构的分子属性预测方法及设备

本发明公开了一种基于对抗训练自编码器架构的分子属性预测方法及设备，所述方法包括以下步骤：基于扩展连接指纹和ChemBERTa预训练模型，对分子进行初级特征编码；搭建预测模型的神经网络架构，包括基于自编码器的特征表示学习模块和基于线性层的预测模块；利用分子的初级特征对神经网络模型进行训练，包括三个训练阶段：自编码器训练、对抗训练和预测训练；使用构建的模型预测分子属性，并输出预测结果。本发明能够克服传统机器学习方法需要手工制作特征的局限性，自适应地学习分子表示，从而加速新药的研发过程，减少时间和成本。