[发明专利]分子性质预测方法及其模型的训练方法及相关装置、设备

权利要求书

1.一种分子性质预测模型的训练方法，其特征在于，所述训练方法包括：

获取训练样本，所述训练样本包含分子的结构数据和标注性质；

利用初始的分子性质预测模型对所述结构数据进行特征提取，得到第一可变分子特征；

获取基于所述结构数据得到的第一固定分子特征，并结合所述第一可变分子特征和所述第一固定分子特征，得到所述训练样本的融合分子特征；

利用所述分子性质预测模型对所述融合分子特征进行分类处理，得到所述训练样本的第一预测性质；

基于所述第一预测性质和所述标注性质，调整所述分子性质预测模型的网络参数。

2.根据权利要求1所述的训练方法，其特征在于，所述分子性质预测模型包括特征提取子模型和性质分类子模型；所述利用初始的分子性质预测模型对所述结构数据进行特征提取，得到第一可变分子特征之前，所述方法还包括：

利用所述训练样本对初始的分子性质预测模型中的所述特征提取子模型和所述性质分类子模型进行预训练；

所述利用初始的分子性质预测模型对所述结构数据进行特征提取，得到第一可变分子特征包括：

利用预训练后的特征提取子模型对所述结构数据进行特征提取，得到所述第一可变分子特征；

所述利用所述分子性质预测模型对所述融合分子特征进行分类处理，得到所述训练样本的第一预测性质包括：

利用预训练后的性质分类子模型对所述融合分子特征进行分类处理，得到所述训练样本的第一预测性质。

3.根据权利要求2所述的训练方法，其特征在于，所述利用所述训练样本对初始的分子性质预测模型中的所述特征提取子模型和所述性质分类子模型进行预训练包括：

利用所述特征提取子模型对所述结构数据进行特征提取，得到第二可变分子特征；

利用所述性质分类子模型对所述第二可变分子特征进行分类处理，得到所述训练样本的第二预测性质；

基于所述第二预测性质和所述标注性质，调整所述特征提取子模型和所述性质分类子模型的网络参数。

4.根据权利要求1至3任一项所述的训练方法，其特征在于，所述结构数据包括点、点之间的邻边以及点的属性特征、邻边的属性特征，所述点用于表示分子中的原子，所述邻边用于表示分子中的原子键；

所述利用初始的分子性质预测模型对所述结构数据进行特征提取，得到第一可变分子特征包括：

对于每个所述点，利用所述点的属性特征和所述点的相邻点和/或邻边的属性特征，对所述点的属性特征进行更新；

对所述结构数据中的所述点的属性特征进行编码处理，得到所述第一可变分子特征。

5.根据权利要求4所述的训练方法，其特征在于，所述点的属性包括以下至少一者：原子种类、原子度、自由电子数；

和/或，所述邻边的属性包括以下至少一者：原子键种类、是否为环；

和/或，所述分子性质预测模型包括用于特征提取的特征提取子模型，所述特征提取子模型为消息传递网络；所述对所述结构数据中的所述点的属性特征进行编码处理，得到所述第一可变分子特征之前，所述方法还包括：

若每一所述点的当前更新次数小于所述特征提取子模型的消息传递次数，则重新执行所述对于每个所述点，利用所述点的属性特征和所述点的相邻点和/或邻边的属性特征，对所述点的属性特征进行更新的步骤，否则，执行所述对所述结构数据中的所述点的属性特征进行编码处理，得到所述第一可变分子特征的步骤。