[发明专利]特征向量可行性估计

权利要求书

1.一种用于神经网络训练的计算机实现的方法，包括：

从候选分子的特征向量生成代表多个部分结构的数目的目标结构向量；以及

通过使用至少所述目标结构向量确定所述候选分子的分子结构是否可行。

2.根据权利要求1所述的方法，其中，所述多个部分结构包括具有连接至节点的不同数量的边的结构。

3.根据权利要求2所述的方法，其中，所述多个部分结构包括：

第一结构，具有连接至所述一个节点的一个边，

第二结构，具有连接至所述一个节点的两个边，

第三结构，具有连接至所述一个节点的三个边，以及

第四结构，具有连接至所述一个节点的四个边。

4.根据前述权利要求中任一项所述的方法，其中，所述特征向量包括所述候选分子是否包括一个或多个单元结构的指示。

5.根据权利要求4所述的方法，其中，所述特征向量表示所述候选分子中的原子数和环数。

6.根据前述权利要求中任一项所述的方法，其中，所述特征向量包括所述候选分子是否包括一个或多个单元的指示，进一步包括：

从所述候选分子的特征向量获得所述候选分子的原子数目和环数目，其中通过使用至少所述目标结构向量确定所述候选分子的分子结构是否可行通过进一步使用所述候选分子的原子数目和环数目来进行。

7.根据权利要求6所述的方法，其中，通过至少使用所述目标结构向量确定所述候选分子的分子结构是否可行包括：

响应于目标结构向量包括在对应于候选分子的原子数和环数的初步限定空间中，确定候选分子的分子结构是可行的。

8.根据权利要求6或7所述的方法，进一步包括：

生成等于或大于所述目标结构向量的一个或多个二级结构向量，其中通过至少使用所述目标结构向量确定所述候选分子的分子结构是否可行是通过进一步使用所述一个或多个二级结构向量来进行。

9.根据权利要求6至8中任一项所述的方法，进一步包括：

从所述候选分子的特征向量获得所述候选分子的每个化合价的原子数目，其中，通过使用至少所述目标结构向量确定所述候选分子的分子结构是否可行是通过进一步使用所述候选分子的每个化合价的原子数目来进行。

10.根据权利要求7至9中任一项所述的方法，进一步包括：

针对节点的数目和环的数目的每对枚举可行结构向量，其中对应于候选分子的节点的数目和环的数目的初步定义的空间由枚举的可行结构向量定义。

11.根据权利要求10所述的方法，其中，针对节点的数目和环的数目的每对枚举可行结构向量包括：

生长图，

计数所述图的节点的数量和环的数量，以及

存储针对所述图的节点计数和环计数对的所述图的结构向量。

12.根据权利要求11所述的方法，其中，生长图包括以下各项中的至少一个：

将新节点添加到所述图中，以及

在所述图中形成新环。

13.一种用于神经网络训练的设备，所述设备包括：

处理器；以及

一个或多个计算机可读介质，其共同地包括指令，所述指令在由所述处理器执行时使所述处理器执行操作，所述操作包括：

从候选分子的特征向量生成代表多个部分结构的数目的目标结构向量；以及

通过使用至少所述目标结构向量确定所述候选分子的分子结构是否可行。

14.根据权利要求13所述的设备，其中，所述多个部分结构包括具有连接至节点的不同数量的边的结构。