龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中南大学
摘要：本发明提供了一种用于药物性质预测的分子多角度对比学习预训练方法，通过获取包括多种模态的多种药物分子作为原始样本输入原始神经网络模型提取每种药物分子的模态表征，并计算在每种模态下每种药物分子中每个原子的自注意力分数；基于在每种模态下每个原子的自注意力分数得到增强样本；利用原始样本与增强样本构造正样本对；将原始神经网络模型分为两个部分后同步进行对比学习，并通过每种药物分子的模态表征计算对比学习损失函数值对每个正样本对的学习速度进行自适应控制，完成预训练，得到神经网络模型；可以减少由于不合理掩码导致的低质量分子增强样本，防止模型陷入局部最优，提高了模型的训练精度，以提升药物性质预测的精度。
主权项：1.一种用于药物性质预测的分子多角度对比学习预训练方法，其特征在于，包括：步骤1，获取包括多种模态的多种药物分子作为原始样本，所述模态包括一维指纹序列、二维拓扑图、三维空间图；步骤2，分别针对每种药物分子，分别将所述原始样本输入原始神经网络模型，在所述原始神经网络模型中提取每种药物分子的模态表征，并计算在每种模态下每种药物分子中每个原子的自注意力分数；步骤3，基于在每种模态下每个原子的自注意力分数对在每种模态下每种药物分子中各原子进行排序，得到每种药物分子的原子排序结果，并在每种药物分子的原子排序结果中将满足预设掩盖数量的原子进行掩盖，得到在每种模态下所述药物分子的增强样本；步骤4，利用所述药物分子的原始样本与所述增强样本构造正样本对，所述正样本对包括多个；步骤5，将所述原始神经网络模型分为两个部分后同步进行对比学习，并通过每种药物分子的模态表征计算对比学习损失函数值对每个正样本对的学习速度进行自适应控制，直至满足预设训练条件后完成预训练，得到神经网络模型；步骤6，将训练数据输入所述神经网络进行训练，得到用于药物性质预测的预测模型。
全文数据：
权利要求：
百度查询： 中南大学 一种用于药物性质预测的分子多角度对比学习预训练方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号