[发明专利]使用累积的化学数据创建具有期望性质的新化学化合物以构建用于合成的新化学结构

说明书

使用累积的化学数据创建具有期望性质的新化学化合物以构建用于合成的新化学结构。提供了一种生成新化学化合物的计算机实现方法。该方法包括为化学或物理性质已知的多个化学化合物中的每个化学化合物准备数据驱动的子结构特征向量。该方法还包括准备预定义组分特征向量，创建回归模型以预测化学或物理性质的目标值，以及执行搜索算法以识别影响化学或物理性质的目标值的子结构特征。该方法还包括生成具有化学或物理性质的目标值的候选结构，以及合成候选结构。

技术领域

本发明总体上涉及根据具有已知性质的多个已知化学结构形成特征向量，并且使用特征向量设计具有期望性质的新化学结构，以及更具体地，涉及使用回归分析和建模来使用特征向量预测目标性质，以设计和合成新的化学化合物。

背景技术

识别和设计用于合成的具有特定期望性质的新化学结构可能非常耗时且昂贵。研究人员可能花费大量的时间和精力试图发现具有期望性质集合的新化学化合物，但是这种研究工作可能涉及很多试验和错误。此外，研究人员可能受到他们过去的学习和经验范围的限制，使得他们的研究工作的方向可能包括偏见，并且受到对已知化学结构及其性质可用的大量数据的不完全了解的限制。研究人员使用直觉提出有希望的新化学候选物以进行合成和测试可能导致研究人员在可以获得对结构/性质关系的充分熟悉和理解之前采取徒劳的途径。

发明内容

根据本发明的实施例，提供了一种生成新化学化合物的计算机实现方法。该方法包括为化学或物理性质已知的多个化学化合物中的每个化学化合物准备数据驱动的子结构特征向量。该方法还包括准备预定义组分特征向量。该方法还包括创建回归模型以预测化学或物理性质的目标值。该方法还包括执行搜索算法以识别影响化学或物理性质的目标值的子结构特征。该方法还包括生成具有化学或物理性质的目标值的候选结构，以及合成候选结构。

根据本发明的另一个实施例，提供了一种生成新化学化合物的计算机实现方法。该方法包括接收来自用户的从化学和物理性质列表中选择性质的输入。该方法还包括接收所选择的性质的目标值的输入。该方法还包括：根据所选择的性质已知的化学化合物的数据集合，为多个化学化合物中的每个化学化合物自动准备数据驱动的子结构特征向量。该方法还包括根据骨干信息、原子信息和键合信息准备预定义组分特征向量。该方法还包括创建回归模型以预测所选择的性质的结果值。该方法还包括执行搜索算法以识别影响所选择的性质的结果值的子结构特征。该方法还包括生成具有所选择的性质的目标值的候选结构。该方法还包括合成候选结构，以及测试所合成的候选结构以确定所选择的性质的实际值。

根据本发明的又一个实施例，提供了一种非暂态计算机可读存储介质，包括用于生成新化学化合物的计算机可读程序。计算机可读程序执行以下步骤：为化学或物理性质已知的多个化学化合物中的每个化学化合物准备数据驱动的子结构特征向量。计算机可读程序还执行以下步骤：准备预定义组分特征向量。计算机可读程序还执行以下步骤：创建回归模型以预测化学或物理性质的目标值，执行搜索算法以识别影响化学或物理性质的目标值的子结构特征，以及生成具有化学或物理性质的目标值的候选结构。

根据以下对结合附图来阅读的说明性实施例的详细描述，这些和其他特征和优点将变得明显。

附图说明

以下描述将参考以下附图来提供优选实施例的细节，其中：

图1是示出根据本发明的实施例的示例性处理系统的图；

图2是示出根据本发明实施例的用于将包括具有相关联的性质的化学结构的材料数据集合转换为新材料的总体算法的框图/流程图；

图3是根据本发明的实施例的图2的框图/流程图的继续；

图4是根据本发明的实施例的图3的框图/流程图的继续；

图5是示出根据本发明实施例的创建特征向量的方法的框图/流程图；

图6是示出根据本发明实施例的用来形成预定义组分特征向量的预定义特征集合的图；