[发明专利]解决逆合成中产物反应中心预测的方法

权利要求书

1.一种解决逆合成中产物反应中心预测的方法，其特征在于，包括：

构建基于反应物的第一类无向图和构建基于目标分子的第二类无向图，对所述目标分子实施反应中心的预测，利用所述反应中心以推测出所述反应物；

所述反应中心包括从不同反应物对应的不同第一类无向图中所选定的一组节点以及该一组被选定的节点之间的边。

2.根据权利要求1所述的方法，其特征在于：

由不同反应物对应的诸多所述第一类无向图合成一个完整的所述第二类无向图。

3.根据权利要求2所述的方法，其特征在于：

在所述第二类无向图中计算完所有所述反应中心的评分后，选择评分最高的一个所述反应中心来定义出所述目标分子的最终断键位置处。

4.根据权利要求1所述的方法，其特征在于：

在所述第二类无向图中将每个节点的特征存储在预定维度的矩阵中、并在不同节点之间定义连线关系，籍此构建所述第二类无向图的图结构。

5.根据权利要求1所述的方法，其特征在于：

利用预设的变分量子线路聚合所述反应中心的节点特征数据和边特征数据，经过变分量子线路的演化后得到量子数据以及测量出对应的经典数据。

6.根据权利要求5所述的方法，其特征在于：

通过矩阵叉乘的方式，聚合每一个节点所涉及到的边的经典数据，得到该任一节点的更新后的信息。

7.根据权利要求6所述的方法，其特征在于：

在多次迭代各个节点的信息之后，计算出每一组边和其两端的两个节点的特征从而得到相应的融合特征。

8.根据权利要求7所述的方法，其特征在于：

用归一化函数处理所述融合特征，得到一个表征了所述反应中心的评分。

9.根据权利要求5所述的方法，其特征在于：

变分量子线路的一对线路包括第一和第二线路；

第一线路中：其前级泡利旋转门的角度参数含一个节点的节点特征数据、其受控门角度参数含边特征数据、其后级泡利旋转门的角度参数含图神经网络的线性函数的权重；

第二线路中：其前级泡利旋转门的角度参数含另一节点的节点特征数据、其受控门角度参数含边特征数据、其后级泡利旋转门的角度参数含图神经网络的线性函数的权重。

10.一种解决逆合成中产物反应中心预测的方法，其特征在于，包括以下步骤：

S1、构建基于反应物的第一类无向图和构建基于目标分子的第二类无向图；

S2、在所述第二类无向图中将每个节点的特征存储在预定维度的矩阵中、并在不同节点之间定义出连线关系，将每个边的特征存储在预设维度的矩阵中；

S3、反应中心包括从不同反应物对应的不同第一类无向图中选定的一组节点以及该一组被选定的节点之间的边，反应中心编码成量子数据后由变分量子线路进行演化；

S4、通过矩阵叉乘的方式，聚合任一节点涉及到的边的经典数据，得到该任一节点的更新后的信息；

S5、执行多次S3-S4后，计算出每一组边和其两端的两个节点的特征从而得到相应的融合特征，用归一化函数处理所述融合特征，得到表征所述反应中心的评分，其中评分最高的一个所述反应中心作为最终的反应中心。