本發明公開了一種基于圖神經網絡與多任務學習的化合物性質預測方法,結合圖神經網絡編碼化合物的結構信息,具體包括根據化合物SMILES生成的化學結構圖和計算得到的分子指紋;化學結構圖包括原子對應的節點以及化學鍵對應的邊;構建節點的原始節點特征和邊的原始邊特征;通過圖神經網絡的消息傳播和聚合可以獲得化學架構圖的圖嵌入表示;通過結合圖嵌入和分子指紋,再經過多層感知機輸出目標化合物的性質預測結果;同時該模型還可以結合多任務學習,同時對目標化合物的多個性質進行學習預測,并可以提高預測精度。本發明適用于單任務也可以適用于多任務,多任務的多輪消息傳播模型共享,并且多層感知機的輸入是圖嵌入和分子指紋拼接而成的向量。
聲明:
“基于圖神經網絡與多任務學習的化合物性質預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)