[发明专利]一种化学合成路线的确定方法及装置

权利要求书

1.一种化学合成路线的确定方法，其特征在于，所述方法包括：

接收化学合成请求，所述化学合成请求用于请求目标化合物的化学合成路线；

将所述目标化合物输入至分类模型，获得与所述目标化合物对应的反应规则；所述分类模型是以化合物为输入，并以反应规则为输出的机器学习模型；

根据所述反应规则对所述目标化合物进行分解逆合成分析得到合成所述目标化合物所需原料；

根据所述原料确定与所述目标化合物对应的化学合成路线。

2.根据权利要求1所述的方法，其特征在于，所述根据所述反应规则对所述目标化合物进行分解逆合成分析得到合成所述目标化合物所需原料包括：

根据所述反应规则对所述目标化合物进行分解逆合成分析得到分解物；

从原料数据库中查找所述分解物以确定所述分解物是否为原料；

若存在分解物不是原料，则将该分解物作为目标化合物，执行将所述目标化合物输入至分类模型，获得与所述目标化合物对应的反应规则，并根据所述反应规则对所述目标化合物进行分解逆合成分析的步骤，直至所述分解物均为原料为止。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收对所述化学合成路线进行修正的修正请求；

响应于所述修正请求，修正所述化学合成路线。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述方法还包括：

利用词向量模型将所述目标化合物转换为对应的向量；

则所述将所述目标化合物输入至分类模型包括：

将所述目标化合物对应的向量输入至分类模型。

5.根据权利要求1至3任意一项所述的方法，其特征在于，所述机器学习模型包括梯度下降决策树模型、随机森林模型、支持向量机模型和神经网络模型中的任意一种或多种。

6.一种分类模型的训练方法，其特征在于，所述方法包括：

获取训练样本，所述训练样本包括化合物以及与所述化合物相关的反应信息，所述反应信息至少包括反应规则；

根据所述训练样本，利用机器学习算法训练分类模型，直至满足训练结束条件；

其中，所述分类模型以化合物为输入，以反应规则为输出。

7.根据权利要求6所述的方法，其特征在于，所述训练样本中反应规则通过如下方式得到：

采集化学反应式；

对所述化学反应式进行原子序列标注，并基于标注后的化学反应式抽取反应中心；

对所述反应中心进行过滤和聚类处理，根据处理结果确定反应规则。

8.根据权利要求6所述的方法，其特征在于，所述训练样本中的化合物以向量形式存在，所述化合物对应的向量通过如下方式得到：

利用摩根算法将采集的化学反应式中各化合物的化学式转换为半径为1的子结构序列；

利用词向量模型将所有子结构序列转换为所述子结构序列对应的向量；

针对每个化合物，对所述化合物的子结构序列对应的向量进行加和得到所述化合物对应的向量。

9.根据权利要求6至8任意一项所述的方法，其特征在于，所述机器学习算法包括梯度下降决策树算法、随机森林算法、支持向量机算法和神经网络算法中的任意一种或多种。

10.一种化学合成路线的确定装置，其特征在于，所述装置包括：

接收模块，用于接收化学合成请求，所述化学合成请求用于请求目标化合物的化学合成路线；

获取模块，用于将所述目标化合物输入至分类模型，获得与所述目标化合物对应的反应规则；所所述分类模型是以化合物为输入，并以反应规则为输出的机器学习模型；

分解模块，用于根据所述反应规则对所述目标化合物进行分解逆合成分析得到合成所述目标化合物所需原料；

确定模块，用于根据所述原料确定与所述目标化合物对应的化学合成路线。