科创中国
一种基于多任务深度学习模型预测化合物性质的方法
发布时间: 2023-11-03
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
物理
成果介绍
本发明公开了一种基于多任务深度学习模型预测化合物性质的方法，包括以下步骤：步骤一：收集包含多个任务label的数据集；步骤二：划分数据集；步骤三：选择合适的专家网络提取化合物特征；步骤四：多任务模型结构设计；步骤五：训练模型。本发明与现有技术相比的优点在于：这一架构能够很好地提取分子特征，并且建模任务之间的联系和不同，使模型有很大的灵活性。
成果亮点
1.一种基于多任务深度学习模型预测化合物性质的方法，其特征在于：包括以下步骤：
步骤一：收集包含多个任务label的数据集；
步骤二：划分数据集；
步骤三：选择合适的专家网络提取化合物特征；
步骤四：多任务模型结构设计；
步骤五：训练模型。
2.根据权利要求1所述的一种基于多任务深度学习模型预测化合物性质的方法，其特征在于：步骤一中数据集包括化合物的smile序列形式和多个任务的label，label的类型可以是分类类型或者回归类型，并且允许某些样本缺失部分任务的label，这样在计算loss的时候可以进行mask处理。
3.根据权利要求1所述的一种基于多任务深度学习模型预测化合物性质的方法，其特征在于：步骤二中将数据集划分为训练集、验证集和测试集，训练集用来训练模型参数，验证集用来早停选择最好模型参数防止过拟合，测试集用来评价模型效果。
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料
下载app