[发明专利]化合物属性参数确定方法、装置、设备及存储介质

说明书

本申请提供了一种化合物属性参数确定方法、装置、设备及存储介质，属于计算机技术领域。方法包括：根据至少一条第一样本数据训练预测模型，第一样本数据包括第一样本化合物的结构数据和样本分配系数，样本分配系数为第一样本化合物在水相和脂相之间的分配系数，训练后的预测模型用于根据任一种化合物的结构数据确定任一种化合物的分配系数；根据至少一条第二样本数据对训练后的预测模型进行再训练，第二样本数据包括第二样本化合物的结构数据和样本属性参数，样本属性参数是与分配系数相关的属性参数；调用再训练后的预测模型，根据任一种化合物的结构数据确定任一种化合物的目标属性参数。上述方法能够提高确定化合物属性参数的准确率。

技术领域

本申请涉及计算机技术领域，特别涉及一种化合物属性参数确定方法、装置、设备及存储介质。

背景技术

化合物具有不同类型的属性参数，如溶解度、渗透率等，这些属性参数对于化合物的研究具有重要的意义。例如，化合物的溶解度能够用于研究化合物在生物体内以及环境中的迁移行为，在许多生物过程及物理化学过程中都是非常重要的参数。因此，在研究化合物时，经常需要确定化合物的属性参数。

相关技术中，一般通过样本化合物的属性参数来训练预测模型，调用该预测模型来确定任一化合物的属性参数。例如，通过化合物的溶解度训练预测模型，调用该预测模型即可确定任一化合物的溶解度。然而在化合物的属性参数较少的情况下，能够用于模型训练的数据非常少，导致预测模型的准确率低。

发明内容

本申请实施例提供了一种化合物属性参数确定方法、装置、设备及存储介质，能够提高确定化合物属性参数的准确率。所述技术方案如下：

一方面，提供了一种化合物属性参数确定方法，所述方法包括：

根据至少一条第一样本数据训练预测模型，所述第一样本数据包括第一样本化合物的结构数据和样本分配系数，所述样本分配系数为所述第一样本化合物在水相和脂相之间的分配系数，训练后的预测模型用于根据任一种化合物的结构数据确定所述任一种化合物的分配系数；

根据至少一条第二样本数据对所述训练后的预测模型进行再训练，所述第二样本数据包括第二样本化合物的结构数据和样本属性参数，所述样本属性参数是与所述分配系数相关的属性参数；

调用再训练后的预测模型，根据任一种化合物的结构数据确定所述任一种化合物的目标属性参数。

在一种可能的实现方式中，所述根据至少一条第二样本数据对所述训练后的预测模型进行再训练，包括：

对于任一条第二样本数据，调用所述训练后的预测模型，根据所述第二样本数据中的第二样本化合物的结构数据确定所述第二样本化合物的预测属性参数；

根据所述预测属性参数和所述第二样本数据中的样本属性参数对所述训练后的预测模型进行再训练。

在另一种可能的实现方式中，所述根据所述预测属性参数和所述第二样本数据中的样本属性参数对所述训练后的预测模型进行再训练，包括：

根据所述预测属性参数和所述第二样本数据中的样本属性参数确定所述训练后的预测模型的第一损失值；

根据所述第一损失值对所述训练后的预测模型进行再训练。

在另一种可能的实现方式中，所述训练后的预测模型包括多个网络层，所述根据至少一条第二样本数据对所述训练后的预测模型进行再训练，包括：

在保持所述多个网络层中其他网络层的权重不变的情况下，根据任一条第二样本数据调整所述多个网络层中第K个网络层的权重，所述K为不小于2的整数。

在另一种可能的实现方式中，所述方法还包括：