本发明公开了一种基于图神经网络与多任务学习的化合物性质预测方法,结合图神经网络编码化合物的结构信息,具体包括根据化合物SMILES生成的化学结构图和计算得到的分子指纹;化学结构图包括原子对应的节点以及化学键对应的边;构建节点的原始节点特征和边的原始边特征;通过图神经网络的消息传播和聚合可以获得化学架构图的图嵌入表示;通过结合图嵌入和分子指纹,再经过多层感知机输出目标化合物的性质预测结果;同时该模型还可以结合多任务学习,同时对目标化合物的多个性质进行学习预测,并可以提高预测精度。本发明适用于单任务也可以适用于多任务,多任务的多轮消息传播模型共享,并且多层感知机的输入是图嵌入和分子指纹拼接而成的向量。
声明:
“基于图神经网络与多任务学习的化合物性质预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)