[发明专利]使用机器学习预测分子嗅觉特性的系统和方法

权利要求书

1.一种计算机实现的方法，所述方法包括：

由一个或多个计算设备获得机器学习的图神经网络，该机器学习的图神经网络被训练以至少部分地基于与分子相关联的化学结构数据来预测分子的嗅觉特性；

由所述一个或多个计算设备获得以图方式描述所选分子的化学结构的图；

由所述一个或多个计算设备提供以图方式描述所选分子的化学结构的所述图，作为机器学习的图神经网络的输入；

由所述一个或多个计算设备接收描述所选分子的一个或多个预测嗅觉特性的预测数据，作为机器学习的图神经网络的输出；以及

由所述一个或多个计算设备提供描述所选分子的所述一个或多个预测嗅觉特性的预测数据作为输出。

2.根据任何前述权利要求所述的计算机实现的方法，其中，由所述一个或多个计算设备获得机器学习的图神经网络包括：

由所述一个或多个计算设备获得包括多个示例化学结构的训练数据，每个示例化学结构标有描述所述示例化学结构的嗅觉特性的一个或多个嗅觉特性标签；以及

由所述一个或多个计算设备训练机器学习的图神经网络以部分基于获得的训练数据预测分子的嗅觉特性。

3.根据任何前述权利要求所述的计算机实现的方法，还包括：

由所述一个或多个计算设备生成可视化数据，该可视化数据描述所选分子的化学结构的一个或多个结构单元相对于与所选分子相关联的预测嗅觉特性的相对重要性；以及

由所述一个或多个计算设备提供与指示所述一个或多个嗅觉特性的预测数据相关联的可视化数据。

4.根据任何前述权利要求所述的计算机实现的方法，还包括：

由所述一个或多个计算设备生成指示所选分子的化学结构的结构变化如何影响与所选分子相关联的预测嗅觉特性的数据。

5.根据任何前述权利要求所述的计算机实现的方法，其中，指示所选分子的所述一个或多个嗅觉特性的预测数据包括特定嗅觉特性的强度。

6.根据任何前述权利要求所述的计算机实现的方法，还包括：

由所述一个或多个计算设备获得以图方式描述第二所选分子的第二化学结构的第二图；

由所述一个或多个计算设备提供以图方式描述第二所选分子的第二化学结构的第二图，作为机器学习的图神经网络的输入；

由所述一个或多个计算设备接收描述与第二所选分子相关联的一个或多个第二嗅觉特性的第二预测数据，作为机器学习的图神经网络的输出；以及

由所述一个或多个计算设备，基于所选分子的预测数据与第二所选分子的第二预测数据的比较，确定所选分子和第二所选分子之间的一个或多个嗅觉差异。

7.根据任何前述权利要求的计算机实现方法，还包括由所述一个或多个计算设备通过将以图方式描述所选分子的化学结构的图输入到机器学习的图神经网络或附加机器学习的图神经网络来确定指示以下一个或多个的数据：

所选分子的光学特性；

所选分子的味觉特性；

所选分子的生物降解性；

所选分子的稳定性；或

所选分子的毒性。

8.根据任何前述权利要求所述的计算机实现的方法，其中，以图方式描述所选分子的化学结构的图包括指示所选分子的化学结构的二维表示的二维图结构。

9.根据任何前述权利要求所述的计算机实现的方法，其中，以图方式描述所选分子的化学结构的图包括指示所选分子的化学结构的三维表示的三维图结构，并且其中所述方法还包括由所述一个或多个计算设备执行一个或多个量子化学计算以识别所选分子的化学结构的三维表示。