[发明专利]一种物质特性预测方法、终端以及存储介质

权利要求书

1.一种物质特性预测方法，其特征在于，包括：

获取目标物质的分子结构对应的目标图，根据所述目标图获取目标信息，其中，所述目标信息包括所述目标图中的各个节点分别对应的各个第一编码、所述目标图中的各个连接边对应的各个第二编码、以及所述各个节点之间的连接关系；

将所述目标信息输入至经训练的神经网络，对所述目标信息进行处理，输出所述目标物质的特性预测结果；

其中，所述目标图中的各个节点与所述分子结构中的各个原子一一对应，所述目标图中的各个连接边与所述分子结构中的各个连接化学键一一对应；所述神经网络是根据多组训练数据训练完成的，每组训练数据包括样本目标信息以及所述样本目标信息对应的物质的特性信息。

2.根据权利要求1所述的物质特性预测方法，其特征在于，所述根据所述目标图获取目标信息包括：

获取所述分子结构中的各个原子的类别，根据所述各个原子的类别获取所述目标图中的各个节点分别对应的所述各个第一编码；

获取所述分子结构中的各个连接化学键的类别，根据所述各个连接化学键的类别获取所述目标图中的各个连接边分别对应的所述各个第二编码。

3.根据权利要求1所述的物质特性预测方法，其特征在于，所述神经网络输出的所述目标物质的特性预测结果为特性预测向量，所述特性预测向量中包括所述目标物质具有各个预设特性的概率。

4.根据权利要求3所述的物质特性预测方法，其特征在于，所述样本目标信息对应的物质的特性信息包括所述样本目标信息对应的物质是否具有所述各个预设特性的信息。

5.根据权利要求1所述的物质特性预测方法，其特征在于，所述神经网络中包括多个网络层，每个网络层的输入为上一层的输出，所述多个网络层包括至少一个第一网络层和至少一个第二网络层，所述第一网络层为特征提取层，所述第二网络层为图池化层，所述对所述目标信息进行处理包括：

在所述第一网络层中，根据上一层输出的各个第一节点的特征以及所述各个第一节点之间的连接关系对所述各个第一节点进行特征提取，输出提取出的所述各个第一节点的特征；

在所述第二网络层中，根据上一层输出的各个第二节点的特征对所述各个第二节点进行合并，输出各个第三节点以及所述各个第三节点对应的特征，其中，所述第三节点的数量小于所述第二节点的数量；

其中，所述神经网络中的第一个网络层为所述第一网络层，所述目标图中的所述各个节点对应的初始特征为所述各个第一编码。

6.根据权利要求5所述的物质特性预测方法，其特征在于，在所述神经网络中的第一个所述第二网络层之前的所述第一网络层中，所述根据上一层输出的各个第一节点的特征以及所述各个第一节点之间的连接关系对所述各个第一节点进行特征提取包括：

对于所述各个第一节点中的目标第一节点，根据上一层输出的所述目标第一节点的特征、与所述目标第一节点连接的节点的特征、以及与所述目标第一节点连接的连接边对应的第二编码对所述目标第一节点进行特征提取。

7.根据权利要求5所述的物质特性预测方法，其特征在于，所述第二网络层包括全局池化层和层次化池化层。

8.根据权利要求7所述的物质特性预测方法，其特征在于，当所述神经网络中的第一个所述第二网络层为层次化池化层时，在所述神经网络中的第一个所述第二网络层中，所述根据上一层输出的各个第二节点的特征对各个第二节点进行合并包括：

根据所述各个第二节点的特征以及所述各个第二节点对应的连接边的所述第二编码对所述各个第二节点进行合并。

9.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令，所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-8任一项所述的物质特性预测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的物质特性预测方法的步骤。