“分子图”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4007991个，建议您升级VIP下载更多相关专利

[发明专利]分子图生成方法和装置-CN202210554539.6在审
发明人：陈致远;方晓敏;王凡;何径舟 -专利权人：北京百度网讯科技有限公司
申请日： 2022-05-20 - 公布日： 2022-07-29 - 主分类号： G16C20/50 文献下载
摘要：本公开提供了分子图生成方法和装置，涉及计算机技术领域，具体涉及生物计算技术领域与人工智能技术领域。具体实现方案为：首先获取分子图生成模型，该分子图生成模型包括原子预测子模型和化学键预测子模型，然后将起始符输入至原子预测子模型进行原子预测，确定出候选原子序列，最后将候选原子序列输入至化学键预测子模型进行化学键预测，生成候选原子序列对应的分子图，利用候选原子序列生成和候选原子之间的化学键生成两个步骤完成分子图的生成，能够有效的提升分子图生成的效果，降低分子图生成难度，提高运行效率。
分子生成方法装置

[发明专利]分子结合构象确定方法及装置-CN202310452223.0在审
发明人：张徐俊;侯廷军;陈广勇;谢昌谕;康玉;沈超;王哲;王天玥;王二成;邓亚峰;施慧 -专利权人：杭州碳硅智慧科技发展有限公司;之江实验室
申请日： 2023-04-21 - 公布日： 2023-08-11 - 主分类号： G16B15/30 文献下载
摘要：本申请提供了一种分子结合构象确定方法及装置。包括：获取化学分子对应的分子图，及蛋白质对应的残基图；将所述分子图和所述残基图输入至分子对接模型，所述分子对接模型包括：分子图编码网络层、残基图编码网络层和构象预测网络层；调用所述分子图编码网络层对所述分子图进行处理，更新所述分子图的分子节点特征，并调用所述残基图编码网络层对所述残基图进行处理，更新所述残基图的蛋白节点特征；调用相互作用构建模块对更新后的残基图和分子图进行图节点对并新增边处理，得到相互作用图；调用所述构象预测网络层对所述相互作用图进行处理，得到所述化学分子与所述蛋白质之间的分子结合构象。
分子结合构象确定方法装置

[发明专利]输入数据生成系统、输入数据生成方法及输入数据生成程序-CN202080077810.0在审
发明人：花冈恭平 -专利权人：昭和电工材料株式会社
申请日： 2020-11-10 - 公布日： 2022-06-21 - 主分类号： G16C20/30 文献下载
摘要：一实施方式所涉及的输入数据生成系统具备至少一个处理器，至少一个处理器至少接受确定与第1分子对应的分子图的第1分子图数据、确定与第2分子对应的分子图的第2分子图数据、及表示第1分子及第2分子的混合率的混合率数据的输入，至少组合第1分子图数据和第2分子图数据，生成合成分子图数据，将合成分子图数据变换为特征矢量，通过在特征矢量中反映混合率数据，生成机器学习用输入数据。
输入数据生成系统方法程序

[发明专利]解码器的训练方法、模型检测方法、装置及设备-CN202211257400.1在审
发明人：刘瀚文;赵沛霖 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-10-14 - 公布日： 2023-10-27 - 主分类号： G16C20/50 文献下载
摘要：方法包括：基于原始分子图数据集进行模型训练，得到第一分子图生成模型；基于初始分子图，迭代执行如下步骤，以对第一分子图生成模型和解码器进行训练，得到目标分子图生成模型和目标解码器：在任一次迭代过程中，将初始分子图输入第一分子图生成模型，通过第一分子图生成模型，得到本次迭代过程的预测分子图；将预测分子图输入解码器，通过解码器，得到预测分子图的第一隐变量；将第一隐变量与目标数字签名进行匹配，基于匹配结果，调整第一分子图生成模型和解码器的模型参数该方法能够实现对分子图数据集的有效保护。
解码器训练方法模型检测装置设备

[发明专利]一种分子表征模型训练方法、装置及电子设备-CN202210147537.5在审
发明人：李双利;周景博;徐童;窦德景;熊辉 -专利权人：北京百度网讯科技有限公司
申请日： 2022-02-17 - 公布日： 2022-05-31 - 主分类号： G16C20/30 文献下载
摘要：本公开提供了一种分子表征模型训练方法、装置及电子设备，涉及计算机技术领域，尤其涉及深度学习技术领域。具体实现方案为：针对每个样本分子，根据样本分子的分子式，生成样本分子的二维分子图和三维分子图，其中，二维分子图用于表示样本分子中各原子间的化学键，三维分子图用于表示样本分子中各原子间的位置关系；针对每个样本分子，将样本分子的二维分子图和三维分子图输入至原始模型，得到原始模型输出的二维分子图的二维特征和三维分子图的三维特征；根据二维特征和三维特征各自表征的分子性质间的相似性，调整原始模型的模型参数，得到分子表征模型能够提高训练得到的分子表征模型的准确性。
一种分子表征模型训练方法装置电子设备

[发明专利]基于条件生成式对抗网络的分子构象生成方法及存储介质-CN202310528931.8在审
发明人：余沛源;许琮晟 -专利权人：南方科技大学
申请日： 2023-05-11 - 公布日： 2023-08-25 - 主分类号： G16C20/50 文献下载
摘要：本申请涉及分子构象技术领域，特别涉及一种基于条件生成式对抗网络的分子构象生成方法及存储介质。其中，分子构象生成方法包括将待生成的分子和与分子对应的分子基序用无向图表示，并将无向图输入至图神经网络进行编码，得到待处理的分子图和分子基序图；将待处理的分子图和分子基序图输入至训练后的条件生成式对抗网络，确定分子图中分子内原子间的距离；将分子内原子间的距离转换为对应的分子三维坐标；根据分子三维坐标得到待生成的分子的分子构象。本申请提供的基于条件生成式对抗网络的分子构象生成方法能够快速且准确的生成分子构象，提高了药物分子对接的效率，同时减少了药物分子的筛选时间。
基于条件生成对抗网络分子构象方法存储介质

[发明专利]一种基于图神经网络的定向分子生成方法-CN202110318381.8在审
发明人：王坤峰;赖欣;杨培松;阳庆元;俞度立 -专利权人：北京化工大学
申请日： 2021-03-25 - 公布日： 2021-07-20 - 主分类号： G16C60/00 文献下载
摘要：本发明涉及一种基于图神经网络的定向分子生成方法，涉及材料分子技术领域。包括：将有机分子结构图拓扑映射的方式转换成分子图，并将分子图的嵌入表示作为图神经网络模型的输入；通过图神经网络模型，基于消息传播过程来学习这些分子图，包含其中节点和边的表示；通过图神经网络来学习生成的这些表示，以便于在图生成过程中进行各种决策；决策过程中，将新结构以符合有机分子化学规则的形式，添加到现有图中，该添加事件的概率取决于图的历史图推导过程。最终生成的新型分子经过化学价效约束确认，可以确保生成分子的化学有效性。本发明可以针对有机分子数据库，生成有效的、化学性质与原始分子相似的新型分子结构。
一种基于神经网络定向分子生成方法

[发明专利]一种基于图对比学习的生物分子分类方法及装置-CN202211276710.8有效
发明人：廖清;崔津浩;柴合言;王晔;高翠芸;王轩 -专利权人：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2022-10-17 - 公布日： 2023-08-08 - 主分类号： G16B40/20 文献下载
摘要：本发明公开了一种基于图对比学习的生物分子分类方法及装置，通过将获取的目标生物分子图输入到预训练的编码器中，将得到的目标生物分子图中的所有节点特征进行融合，得到目标生物分子图标签；编码器的预训练过程包括：将生物分子图输入第一编码器，得到生物分子图特征，将生物分子图输入第二编码器，得到生物分子图正例特征；将构造的生物分子图负例输入到第二编码器中，得到生物分子图负例的负例特征；获取每轮负例入队训练个数，基于生物分子图特征、生物分子图正例特征、负例特征和每轮负例入队训练个数，对第一编码器和第二编码器进行更新，得到预训练的编码器。与现有技术相比，本发明的技术方案能提高生物分子分类的准确性。
一种基于对比学习生物分子分类方法装置

[发明专利]基于矢量量化的图神经网络的药物性质预测方法和装置-CN202310673599.4在审
发明人：郑鹏飞;吴春琦;陈红阳 -专利权人：之江实验室
申请日： 2023-06-07 - 公布日： 2023-09-05 - 主分类号： G16C20/50 文献下载
摘要：本发明公开了一种基于矢量量化的图神经网络的药物性质预测方法，包括：获取药物分子原始图；构建图编码器，将药物分子原始图编码为隐变量特征；构建码本；计算各节点对应的隐变量特征与码本中各个向量的欧式距离，利用最近邻向量替换隐变量特征，得到矢量化的隐变量特征；构建图解码器，对矢量化的隐变量特征进行解码，得到药物分子增强图；构建药物分子原始图‑增强图实例对，将其对输入至药物分子图对比网络中，得到药物分子图实例对特征；构建损失函数，对药物分子增强图和药物分子图对比网络进行协同训练；将药物分子图进行图特征编码后得到的图特征输入至训练好的图对比网络进行预测，得到药物性质预测结果。
基于矢量量化神经网络药物性质预测方法装置

[发明专利]融合SMILES序列和分子图的分子预训练表示方法及系统-CN202211282025.6在审
发明人：兰艳艳;马维英 -专利权人：清华大学
申请日： 2022-10-19 - 公布日： 2023-03-07 - 主分类号： G16C20/50 文献下载
摘要：本发明提供一种融合SMILES序列和分子图的分子预训练表示方法及系统，包括：获取SMILES形式的字符序列和分子图；分别从分子层面和片段层面，将所述SMILES形式的字符序列和所述分子图输入至预训练好的Transformer模型进行处理，输出分子表示向量；将所述分子表示向量作为下游任务的输入，完成分子表示。本发明解决现有分子表示方案不全面、达不到理想效果的问题。
融合 smiles 序列分子训练表示方法系统

[发明专利]基于dropout连接的图随机神经网络的分子图属性预测方法-CN202211557866.3在审
发明人：唐杰;张丹;冯文政 -专利权人：清华大学
申请日： 2022-12-06 - 公布日： 2023-03-28 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于dropout连接的图随机神经网络的分子图属性预测方法，该方法包括：基于分子图的连边特征对连边进行权重分配，对分子图的节点进行软连接转换以生成第一邻接矩阵；进行掩码操作生成第二邻接矩阵，将分子图的原始节点特征和第二邻接矩阵输入图神经网络模型以输出得到图编码；根据预设的有标签数据和无标签数据，分别基于图编码进行有监督损失计算和无监督损失计算得到第一损失计算结果和第二损失计算结果；得到最终损失计算结果优化图神经网络模型的参数，进行分子图属性预测得到预测结果。本发明可以在分子图属性预测的过程中充分考虑化学键的重要性并充分利用无标签数据中的信息，帮助生成更多的训练数据和提升分子图属性预测的性能。
基于 dropout 连接随机神经网络分子属性预测方法

[发明专利]一种基于质谱图和图结构的分子属性预测方法-CN202210483589.X有效
发明人：张桃红;陈赛安;陈晗 -专利权人：北京科技大学
申请日： 2022-05-05 - 公布日： 2023-06-02 - 主分类号： G16C20/30 文献下载
摘要：本发明公开了一种基于质谱图和图结构的分子属性预测方法，包括：S1，获取待预测分子的质谱图数据和图结构数据；S2，利用数据增强方法增强数据真实性以及扩充数据量；S3，利用图神经网络和transformer结构提取两种模态的分子属性特征；S4，利用特征融合模块实现多模态特征的信息融合，并根据融合后的特征对分子属性进行预测，得到预测属性的数值。本发明利用神经网络直接学习分子的质谱图信息，并将得到的特征和图结构特征进行融合，端到端地进行分子属性预测，两种模态数据信息互相补充，提升了分子属性预测的准确率，同时大大简化了前期的数据特征工程。
一种基于质谱图结构分子属性预测方法

[发明专利]分子筛选的方法、装置、电子设备及存储介质-CN202210155504.5在审
发明人：周景博;郑书豪;窦德景 -专利权人：北京百度网讯科技有限公司
申请日： 2022-02-21 - 公布日： 2022-05-31 - 主分类号： G16C20/40 文献下载
摘要：本公开提供了分子筛选的方法、装置、电子设备及存储介质，涉及人工智能技术领域中的深度学习技术领域、图论技术领域和生物与信息技术领域。其中方法为：获取待筛选分子的第一标签图和参考分子的第二标签图，每个待筛选分子与参考分子组成分子对，针对每个分子对，获取第一标签图和第二标签图的顶点之间的映射和映射之间的冲突信息，以生成分子对的映射图，对映射图进行采样，获取分子对的最大权重全连接子图，根据每个分子对的最大权重全连接子图，筛选出与参考分子相似度最大的待筛选分子，作为目标分子。提出了一种基于高斯玻色采样实现分子筛选的框架，从而能够应用高斯玻色采样高效地实现基于配体的药物虚拟筛选的问题，提高分子筛选的效率。
分子筛选方法装置电子设备存储介质

[发明专利]分子属性的预测方法、装置、设备及可读存储介质-CN202111638185.5在审
发明人：韩博文;郝少刚;张胜誉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-12-29 - 公布日： 2023-07-14 - 主分类号： G16C20/20 文献下载
摘要：本申请公开了一种分子属性的预测方法、装置、设备及可读存储介质，涉及机器学习领域。该方法包括：获取目标分子的分子结构数据；基于分子结构数据创建与目标分子对应的第一图结构；提取第一图结构的结构特征表示作为目标分子对应的特征表示；对第一图结构的结构特征表示进行预测，得到目标分子对应的属性预测结果通过构建与目标分子对应的图结构，从而以图结构表达目标分子的分子结构形态，利用图神经网络，准确通过分子结构信息预测有机分子在NIR‑II区的发射峰位置，快速且准确地筛选潜在的具有在NIR‑II区域荧光性质的有机分子并用于实验
分子属性预测方法装置设备可读存储介质

[发明专利]一种基于化学元素知识图谱的分子图对比学习方法-CN202111181509.7在审
发明人：陈华钧;方尹;杨海宏;庄祥;陈卓 -专利权人：浙江大学
申请日： 2021-10-11 - 公布日： 2022-01-28 - 主分类号： G16C20/30 文献下载
摘要：本发明公开了一种基于化学元素知识图谱的分子图对比学习方法，包括：根据化学元素周期表中每个化学元素的所有化学属性，构建化学元素知识图谱；利用化学元素知识图谱对分子图进行图增强得到分子增强图；利用可插拔表示模型获得分子图和分子增强图的图表示；采用硬负样本挖掘技术选出与分子图在分子指纹空间相似的其他分子图作为负样本；将正样本对和负样本对的图表示映射到同一空间后，通过最大化正样本对之间的一致性同时最小化负样本对之间的一致性构建对比损失函数，利用对比损失函数进行优化学习；将参数确定的可插拔表示模型与非线性分类器形成预测模型，利用参数微调的预测模型进行分子图的分子性质的预测，以提升分子性质的预测准确性。
一种基于化学元素知识图谱分子对比学习方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条