[发明专利]基于多任务胶囊自编码器神经网络的全新分子生成方法

权利要求书

1.一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于：将药物分子表示为SMILES(简化分子线性输入规范)，标记目标性质标签，利用自编码器框架，建立包括编码器、多任务胶囊分类器和解码器的全新分子生成模型；编码器利用双向长短期记忆网络将药物分子SMILES编码为固定长度的向量；多任务胶囊分类器采用双层胶囊层优化Margin Loss，编码并预测药物分子的性质标签；解码器利用长短期记忆网络对隐藏层向量进行解码，实现输入与输出的重构；

包括以下步骤：

步骤1：收集训练数据，提取分子独热(one-hot)编码表，计算性质标签；

步骤2：通过训练阶段学习已知药物分子的特征，得到训练模型；

步骤3：通过重构阶段，利用训练模型重构分子；

步骤4：通过生成阶段，利用训练模型生成特定性质分子。

2.如权利要求1所述的一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于，所述步骤1具体包括：

收集药物分子，建立特定的数据集；

采用SMILES(简化分子线性输入规范)表示药物分子；

计算或收集药物分子目标性质数据，如果数据是定量表示，选择合理的阈值转为定性表示，即目标性质＝1；非目标性质＝0；所有分子描述符的计算通过开源PaDEL-Descriptor、RDKit或Discovery Studio程序完成；

训练数据同时包含药物分子SMILES和特定的性质标签。

3.如权利要求1所述的一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于，所述步骤2具体包括：

将训练数据输入多任务胶囊自编码器神经网络进行训练；

多次手动调整模型的学习率、神经元数目和训练步数超参数，保留交叉熵损失函数值最小的训练模型；

保留多次训练过程中最佳的模型作为预训练模型。

4.如权利要求1所述的一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于，所述步骤3具体包括：

运行训练模型，编码器将训练数据批量编码为固定长度的向量

解码器将固定长度的向量解码为重构分子数据；

通过重构分子数据计算重构率；

保存重构的分子数据。

5.如权利要求1所述的一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于，所述步骤4具体包括：

运行训练模型，编码器将训练数据批量编码为固定长度的向量；

多任务胶囊分类器编码并预测训练分子的性质；

对目标性质分子的向量表示进行数据增强，得到新的向量分布；

解码器将新的向量分布解码为生成分子数据；

多次手动调试数据增强过程的超参数，保留最佳生成结果；

当生成的分子达到预先设定的分子数量时，保存生成的分子数据。

6.如权利要求5所述的一种基于多任务胶囊自编码器神经网络的全新分子生成方法，其特征在于，所述的多任务胶囊自编码器神经网络包括编码器、多任务胶囊分类器和解码器，所述的训练数据作为编码器的输入，所述编码器的输出作为多任务胶囊分类器的输入；所述多任务胶囊分类器的输出作为解码器的输入。