[发明专利]一种基于多任务学习的分子性能预测方法及系统

说明书

本发明公开了一种基于多任务学习的分子性能预测方法及系统，属于材料性能分析预测领域，包括步骤：S1，分子特征向量抽取，以及基准回归器选取；S2，样本内一阶模型训练，及元变量生成；S3，样本内二阶模型训练；S4，样本外一阶模型预测；S5，样本外二阶模型预测；S6，确定预测评价指标；S7，对基于图像学习的多任务堆叠模型，将元变量在池化过程后水平连接到图神经网络GNN的分子向量，用于以表示扩展的分子特征空间；S8，多层堆叠的多任务模型衍生。本发明在性能预测精度上得到进一步提升，并普遍适用于化学信息学，生物医药性能预测，分子材料设计等应用领域。

技术领域

本发明涉及材料性能分析预测领域，更为具体的，涉及一种基于多任务学习的分子性能预测方法及系统。

背景技术

化学信息学领域在化学建模(如定量结构-活性关系，QSAR)中一直大量使用机器学习方法。随着深度学习方法的出现，机器学习在科学界引起了越来越多的关注。据报道，从化学研究的角度来看，从量子特性到对人体的测量的影响，机器学习能够为探索QSAR提供更准确和有效的模型框架。相关应用包括量子化学性能预测、生物物理性能预测、生理性能预测和虚拟筛选等。

从材料和分子设计的角度，我们一般需要同时预测分子的多个性能，并对多个性能进行同时优化。而当前大多数材料人工智能模型，仅只能对材料的其中一个性能进行预测，如要对N个性能进行预测，则需要建立N个模型，分别对其进行训练和预测。此为单任务模型的框架，该方法成本相对较高，计算效率也较低。目前比较有吸引力的分子多任务学习框架，基本上遵循深度神经网络结构，其中输出神经元是基于隐藏层神经元的线性组合从而预测各个目标，即在深度网络的最后输出层，同时输出N的目标的预测值。该方法虽然对计算效率有所提升，但相较于独立的回归基准模型，其性能预测精度并没有提升，甚至会出现预测精度下降的情况。对存在同时预测大量分子性能的案例，模型的可解释性也较低。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多任务学习的分子性能预测方法及系统，性能预测精度上得到进一步提升，并普遍适用于化学信息学，生物医药性能预测，分子材料设计等应用领域。

本发明的目的是通过以下方案实现的：

一种基于多任务学习的分子性能预测方法，包括以下步骤：

S1，分子特征向量抽取，以及基准回归器选取；

S2，样本内一阶模型训练，及元变量生成；

S3，样本内二阶模型训练；

S4，样本外一阶模型预测；

S5，样本外二阶模型预测；

S6，确定预测评价指标；

S7，对基于图像学习的多任务堆叠模型，将元变量在池化过程后水平连接到图神经网络GNN的分子向量，用于表示扩展的分子特征空间；

S8，多层堆叠的多任务模型衍生。

进一步地，在步骤S1中，所述分子特征向量包括ECFP分子圆形指纹、 CM库伦指纹和基于经验的分子描述符；所述分子描述符包括拓扑、几何、电子和物化描述符；

对于图像网络模型，所述分子特征向量指通过图像卷积，或者注意力机制操作，并经过池化层汇集过后的特征向量，该特征向量在模型中为可学习变量，能够在其上堆叠预测目标值。

所述基准回归器包括机器学习回归模型，所述机器学习回归模型包括树模型、支持向量机、深度神经网络和图像网络。

进一步地，在步骤S2中，包括子步骤：