[发明专利]主动学习模型验证

权利要求书

1.一种用于生成特性模型的计算机实现的方法，所述特性模型用于预测化合物是否与特定特性相关联，所述方法包括：

训练机器学习ML技术以生成所述特性模型；

使用所述特性模型生成用于一种或多种化合物及其与所述特定特性的关联的预测结果；

基于来自具有与所述特定特性的关联的所述预测结果的所述一种或多种化合物来验证所述特性模型；以及

基于所述特性模型验证来更新所述特性模型。

2.根据权利要求1所述的计算机实现的方法，进一步包括：使用所述更新的特性模型至少重复所述生成和验证步骤，直到确定所述特性模型已被有效地训练为止。

3.根据权利要求1或2所述的计算机实现的方法，所述方法进一步包括：

使用所述特性模型生成用于多种化合物及其与所述特定特性的关联的预测结果；以及

基于来自具有与所述特定特性的关联的所述预测结果列表的所述化合物来验证所述特性模型。

4.根据前述权利要求中任一项所述的计算机实现的方法，其中，基于与所述特定特性相关的多种化合物的子集相关联的标记的训练数据集，对所述ML技术进行初始训练。

5.根据前述权利要求中任一项所述的计算机实现的方法，其中：

验证所述特性模型进一步包括：从具有与所述特定特性的关联的所述预测结果列表中验证化合物候选列表；以及

更新所述特性模型进一步包括：基于采用包括所述验证的化合物候选列表的标记的训练数据集训练所述ML技术来更新所述特性模型。

6.根据权利要求5所述的计算机实现的方法，其中，更新所述特性模型进一步包括：

基于所述验证的化合物候选列表和与所述特定特性相关联的任何先前标记的训练数据集，生成另一个标记的训练数据集；以及

基于所述生成的标记训练数据集重新训练所述ML技术。

7.根据权利要求5或6中任一项所述的计算机实现的方法，其中，验证所述化合物候选列表进一步包括：

基于所述特定特性和所述化合物候选列表确定是否执行实验室实验；以及

响应于确定执行实验室实验，使用来自所述实验室实验的实验结果来估计所述化合物候选列表上的每种化合物与所述特定特性的所述关联。

8.根据权利要求7所述的计算机实现的方法，其中，确定执行实验室实验是基于以下组中的一个或多个：

超过验证迭代阈值的验证迭代次数，在所述验证迭代阈值中已连续执行模拟分析以验证所述候选列表；

实验室分析将基于先前的特性模型得分而对所述特性模型的ML得分进行改进的指示，所述先前的特性模型得分是根据每个化合物候选列表已被验证之后生成的对应预测结果列表计算得出的；或

对验证迭代次数与实验室实验将提供改进的特性模型的指示的组合。

9.根据权利要求7或8所述的计算机实现的方法，其中，确定是否执行实验室实验进一步包括：

确定所选化合物候选列表是否与先前所选化合物候选列表有实质性变化；

响应于确定所述所选化合物候选列表与所述先前所选化合物候选列表没有实质性变化，选择对来自所述所选化合物候选列表的所选化合物子集执行实验室实验。

10.根据权利要求5至9中任一项所述的计算机实现的方法，其中，验证所述候选列表进一步包括：

基于所述特定特性和所述化合物列表确定是否执行模拟分析；以及

响应于确定执行模拟分析，使用来自所述模拟分析的模拟结果来估计所述化合物候选列表上的每种化合物与所述特定特性的所述关联。