[发明专利]产生新的化学结构的方法、神经网络设备和非瞬时计算机可读的介质

权利要求书

1.产生新的化学结构的方法，所述方法通过神经网络设备实行并且包括：

接收化学结构的结构输入；

基于所述结构输入产生负注意向量，其指示所述结构输入中的多个黑名单各自的存在的相应概率；

通过将所述结构输入编码而产生结构表达；

基于所述负注意向量和所述结构表达产生最终反向黑名单向量，其不包括所述多个黑名单；和

通过将所述最终反向黑名单向量解码而产生所述新的化学结构。

2.如权利要求1所述的方法，其中产生最终反向黑名单向量包括：

使用所述负注意向量计算反向负注意向量，和

基于所述反向负注意向量和所述结构表达产生所述最终反向黑名单向量。

3.如权利要求1所述的方法，其中产生最终反向黑名单向量包括：

在化学结构产生模型的学习过程期间基于所述负注意向量和所述结构表达产生包括所述多个黑名单的最终黑名单向量，和

其中产生所述新的化学结构进一步包括：

基于所述新的化学结构和对应于所述新的化学结构的黑名单预测结果训练所述化学结构产生模型。

4.如权利要求3所述的方法，其中训练所述化学结构产生模型包括：

使用非负参数计算所述黑名单预测结果。

5.如权利要求1所述的方法，其中所述结构输入包括在化学结构产生模型的学习过程期间被证实不包括所述多个黑名单的至少一部分的化学结构。

6.如权利要求1所述的方法，进一步包括：

选择所述多个黑名单的一部分，

其中所述产生负注意向量包括基于所述结构输入产生指示所述结构输入中的所选择的黑名单各自的存在的相应概率的负注意向量，和

其中所述产生最终反向黑名单向量包括基于所述负注意向量和所述结构表达产生不包括所选择的黑名单的最终反向黑名单向量。

7.如权利要求2所述的方法，其中所述产生最终反向黑名单向量包括基于在所述反向负注意向量和所述结构表达之间的逐元素相乘产生所述最终反向黑名单向量。

8.如权利要求1所述的方法，进一步包括：

基于所述结构输入产生正注意向量，其指示所述结构输入中的多个白名单各自的存在的相应概率；

基于所述正注意向量和所述结构表达产生包括所述多个白名单的最终白名单向量；和

通过将所述最终白名单向量解码而产生所述新的化学结构。

9.如权利要求8所述的方法，其中所述结构输入包括在化学结构产生模型的学习过程期间被证实包括所述多个白名单的至少一部分的化学结构。

10.如权利要求8所述的方法，其中所述结构输入包括在化学结构产生模型的学习过程期间被证实不包括所述多个黑名单的至少一部分并且被证实包括所述多个白名单的至少一部分的化学结构。

11.用于产生新的化学结构的神经网络设备，所述神经网络设备包括：

其中存储至少一个程序的存储器；和

处理器，其配置成执行所述至少一个程序以：

接收化学结构的结构输入；

基于所述结构输入产生负注意向量，其指示所述结构输入中的多个黑名单各自的存在的相应概率；

通过将所述结构输入编码而产生结构表达；

基于所述负注意向量和所述结构表达产生指示不对应于所述多个黑名单的部分的最终反向黑名单向量；和

基于所述最终反向黑名单向量产生所述新的化学结构。

12.如权利要求11所述的神经网络设备，其中所述处理器进一步配置成：

使用所述负注意向量计算反向负注意向量；和

基于在所述反向负注意向量和所述结构表达之间的计算产生指示不对应于所述多个黑名单的部分的最终反向黑名单向量。