申请/专利权人:烟台国工智能科技有限公司
申请日:2024-03-13
公开(公告)日:2024-04-12
公开(公告)号:CN117877608A
主分类号:G16C20/10
分类号:G16C20/10;G16C20/70
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:基于经验网络的蒙特卡洛树搜索逆合成规划方法及装置,该方法对收集的经验网络RVN和经验网络QVN的经验数据进行预处理,使用收集的经验网络RVN的经验数据对经验网络RVN进行训练,使用收集的经验网络QVN的经验数据对经验网络QVN训练;使用经验网络RVN和经验网络QVN的经验数据中成功路线上的反应组成优化数据集,采用优化数据集对单步数据集训练后的单步逆合成模型进行训练优化;将目标分子输入蒙特卡洛树搜索算法,使用训练完毕的经验网络RVN替换第一设定常数值,使用训练完毕的经验网络QVN替换第二设定常数值,使用优化后的单步逆合成模型,输出合成路线。本发明成功率和效率高,具有更好的可解释性,应用能力强。
主权项:1.基于经验网络的蒙特卡洛树搜索逆合成规划方法,其特征在于,包括:构造单步逆合成模型,所述单步逆合成模型的目标是输入指定分子,预测通过一步反应合成所述指定分子的反应物,并使用预处理后的单步数据集训练所述单步逆合成模型;构造经验网络RVN和经验网络QVN,通过所述经验网络RVN预测指定反应是否产生成功规划路线;通过所述经验网络QVN预测合成指定反应的反应物的反应路线长度;构造蒙特卡洛树搜索算法,所述蒙特卡洛树搜索算法从根节点开始,根据所述经验网络RVN和所述经验网络QVN的预测得分沿树结构向下选择所述单步逆合成模型预测的反应节点,直至反应物构成的叶子节点,使用所述单步逆合成模型对叶子节点扩展,然后进行回溯至根节点,重复执行所述蒙特卡洛树搜索算法直至出现叶子节点均为市售分子的路线或达到搜索次数限制为止,将得到的叶子节点均为市售分子的路线作为目标分子的合成路线;使用第一设定常数值代替所述经验网络RVN预测值,使用第二设定常数值代替所述经验网络QVN预测值;将预处理后的多步数据集中的目标分子依次输入所述蒙特卡洛树搜索算法中搜索目标分子的合成路线,从搜索树上分别收集所述经验网络RVN和所述经验网络QVN的经验数据;对收集的所述经验网络RVN和所述经验网络QVN的经验数据进行预处理,使用收集的所述经验网络RVN的经验数据对所述经验网络RVN进行训练,使用收集的所述经验网络QVN的经验数据对所述经验网络QVN进行训练;使用所述经验网络RVN和所述经验网络QVN的经验数据中成功路线上的反应组成优化数据集,采用所述优化数据集对单步数据集训练后的所述单步逆合成模型进行训练优化;将目标分子输入所述蒙特卡洛树搜索算法,所述蒙特卡洛树搜索算法使用训练完毕的所述经验网络RVN替换所述第一设定常数值,使用训练完毕的所述经验网络QVN替换所述第二设定常数值,使用优化后的所述单步逆合成模型,输出由一组反应组成的合成路线。
全文数据:
权利要求:
百度查询: 烟台国工智能科技有限公司 基于经验网络的蒙特卡洛树搜索逆合成规划方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。