[发明专利]一种基于分子特征预测物质颜色气味的人工智能预测系统

说明书

本发明涉及一种基于分子特征预测物质颜色气味的人工智能预测系统，用于根据训练集训练出基于分子特征预测物质颜色/气味的机器学习模型，所述训练集包括已知颜色/气味的不同分子结构的物质样本，包括：描述符提取模块，用于提取所述物质样本的分子描述符；特性分类模块，用于根据所述物质样本的颜色/气味进行分类；模型训练模块，用于根据所述描述符提取模块所提取物质样本的分子描述符和所述特性分类模块所进行的分类，训练机器学习模型。本发明基于物质的分子描述符与物质的颜色/气味形成之间的关系，训练机器学习模型，从而能较准确地预测物质的颜色/气味。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种基于分子特征预测物质颜色气味的人工智能预测系统。

背景技术

物质的颜色及气味都与其本身的理化属性息息相关。目前，关于物质颜色的解释，多集中于电荷迁移、能带理论、晶体的色心论和光的散射等，没有可以精准预测颜色的相关算法。关于物质颜色及气味的关系，既往研究通过人群开展相关实验，结果显示为颜色可以引起的气味强度增加，也就是有色的物质发出的气味更强，但并没有研究者从物质出发解释物质与气味之间的关系。

现有对物质颜色/气味的研究停留于物理和化学理论的解释，仅停留在理论基础，既无法将所有理论相互关联，也无法应用于实际化学试剂的制备、颜料的制作、燃料的制作等。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷（不足），提供一种基于分子特征预测物质颜色气味的人工智能预测系统，基于物质的分子描述符与物质的颜色/气味形成之间的关系，训练机器学习模型，从而能较准确地预测物质的颜色/气味。

本发明采取的技术方案是：

一种基于分子特征预测物质颜色气味的人工智能训练系统，用于根据训练集训练出基于分子特征预测物质颜色/气味的机器学习模型，所述训练集包括已知颜色/气味的不同分子结构的物质样本，包括：

描述符提取模块，用于提取所述物质样本的分子描述符；

特性分类模块，用于根据所述物质样本的颜色/气味进行分类；

模型训练模块，用于根据所述描述符提取模块所提取物质样本的分子描述符和所述特性分类模块所进行的分类，训练机器学习模型。

基于物质的分子描述符与物质的颜色/气味形成之间的关系，可以根据包括已知颜色/气味的物质样本的训练集，训练机器学习模型。当需要预测某物质的颜色/气味时，可以提取该物质的分子描述符并输入训练好的机器学习模型中，得到颜色/气味的分类结果，从而可以预测该物质的颜色/气味。

进一步地，所述人工智能训练系统还包括：

颜色/气味预测模块，用于将所述描述符提取模块所提取物质样本的分子描述符输入所述模型训练模块所训练好的机器学习模型中预测物质的颜色/气味；

预测精度统计模块，用于统计所述颜色/气味预测模块预测物质颜色/气味的精度；

分子描述符筛选模块，用于采用遗传算法并以所述预测精度统计模块所统计的精度作为所述遗传算法的适应度评价函数，筛选出若干个对预测起最大作用的分子描述符。

在通过机器学习模型预测物质的颜色/气味时，并不是所有分子描述符对预测都起作用，有一些分子描述符与物质颜色/气味的形成并没有形成关系。将对预测起最大作用的若干个分子描述符筛选出来，可以无需通过机器学习模型进行预测，直接利用该若干个分子描述符进行预测。将遗传算法与机器学习算法相结合，可以得到对预测有起作用的分子描述符，并从中筛选出若干个对预测起最大作用的分子描述符。

进一步地，所述分子描述符筛选模块，具体用于：

根据所述颜色/气味预测模块预测物质颜色/气味的过程对每个物质进行基因编码；