一种基于多任务深度学习模型预测化合物性质的方法
公开
摘要
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。
基本信息
专利标题 ：
一种基于多任务深度学习模型预测化合物性质的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114566230A
申请号 ：
CN202111534259.0
公开（公告）日 ：
2022-05-31
申请日 ：
2021-12-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王东奇殷鹏胡帆
申请人 ：
中国科学院深圳先进技术研究院
申请人地址 ：
广东省深圳市南山区深圳大学城学苑大道1068号
代理机构 ：
北京市诚辉律师事务所
代理人 ：
成丹
优先权 ：
CN202111534259.0
主分类号 ：
G16C20/30
IPC分类号 ：
G16C20/30 G16C20/70 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G16
特别适用于特定应用领域的信息通信技术
G16C
计算化学;化学信息学; 计算材料科学
G16C20/30
•预测化合物、组合物或混合物的性质
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
