[發明專利]一種基于分子特征預測物質顏色氣味的人工智能預測系統

有效

• 申請號: 201910636729.0
• 申請日: 2019-07-15
• 公開（公告）號: CN110411955B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 林浩添;張夏茵;張凱;林鐸儒
• 申請（專利權）人: 中山大學中山眼科中心
• 主分類號: G01N21/25
• 分類號: G01N21/25;G01N33/00;G06N3/04;G06N3/08
• 代理公司: 廣州潤禾知識產權代理事務所(普通合伙) 44446
• 代理人: 凌衍芬;歐秋望

本發明涉及一種基于分子特征預測物質顏色氣味的人工智能預測系統，用于根據訓練集訓練出基于分子特征預測物質顏色/氣味的機器學習模型，所述訓練集包括已知顏色/氣味的不同分子結構的物質樣本，包括：描述符提取模塊，用于提取所述物質樣本的分子描述符；特性分類模塊，用于根據所述物質樣本的顏色/氣味進行分類；模型訓練模塊，用于根據所述描述符提取模塊所提取物質樣本的分子描述符和所述特性分類模塊所進行的分類，訓練機器學習模型。本發明基于物質的分子描述符與物質的顏色/氣味形成之間的關系，訓練機器學習模型，從而能較準確地預測物質的顏色/氣味。

技術領域

本發明涉及人工智能技術領域，更具體地，涉及一種基于分子特征預測物質顏色氣味的人工智能預測系統。

背景技術

物質的顏色及氣味都與其本身的理化屬性息息相關。目前，關于物質顏色的解釋，多集中于電荷遷移、能帶理論、晶體的色心論和光的散射等，沒有可以精準預測顏色的相關算法。關于物質顏色及氣味的關系，既往研究通過人群開展相關實驗，結果顯示為顏色可以引起的氣味強度增加，也就是有色的物質發出的氣味更強，但并沒有研究者從物質出發解釋物質與氣味之間的關系。

現有對物質顏色/氣味的研究停留于物理和化學理論的解釋，僅停留在理論基礎，既無法將所有理論相互關聯，也無法應用于實際化學試劑的制備、顏料的制作、燃料的制作等。

發明內容

本發明旨在克服上述現有技術的至少一種缺陷（不足），提供一種基于分子特征預測物質顏色氣味的人工智能預測系統，基于物質的分子描述符與物質的顏色/氣味形成之間的關系，訓練機器學習模型，從而能較準確地預測物質的顏色/氣味。

本發明采取的技術方案是：

一種基于分子特征預測物質顏色氣味的人工智能訓練系統，用于根據訓練集訓練出基于分子特征預測物質顏色/氣味的機器學習模型，所述訓練集包括已知顏色/氣味的不同分子結構的物質樣本，包括：

描述符提取模塊，用于提取所述物質樣本的分子描述符；

特性分類模塊，用于根據所述物質樣本的顏色/氣味進行分類；

模型訓練模塊，用于根據所述描述符提取模塊所提取物質樣本的分子描述符和所述特性分類模塊所進行的分類，訓練機器學習模型。

基于物質的分子描述符與物質的顏色/氣味形成之間的關系，可以根據包括已知顏色/氣味的物質樣本的訓練集，訓練機器學習模型。當需要預測某物質的顏色/氣味時，可以提取該物質的分子描述符并輸入訓練好的機器學習模型中，得到顏色/氣味的分類結果，從而可以預測該物質的顏色/氣味。

進一步地，所述人工智能訓練系統還包括：

顏色/氣味預測模塊，用于將所述描述符提取模塊所提取物質樣本的分子描述符輸入所述模型訓練模塊所訓練好的機器學習模型中預測物質的顏色/氣味；

預測精度統計模塊，用于統計所述顏色/氣味預測模塊預測物質顏色/氣味的精度；

分子描述符篩選模塊，用于采用遺傳算法并以所述預測精度統計模塊所統計的精度作為所述遺傳算法的適應度評價函數，篩選出若干個對預測起最大作用的分子描述符。

在通過機器學習模型預測物質的顏色/氣味時，并不是所有分子描述符對預測都起作用，有一些分子描述符與物質顏色/氣味的形成并沒有形成關系。將對預測起最大作用的若干個分子描述符篩選出來，可以無需通過機器學習模型進行預測，直接利用該若干個分子描述符進行預測。將遺傳算法與機器學習算法相結合，可以得到對預測有起作用的分子描述符，并從中篩選出若干個對預測起最大作用的分子描述符。

進一步地，所述分子描述符篩選模塊，具體用于：

根據所述顏色/氣味預測模塊預測物質顏色/氣味的過程對每個物質進行基因編碼；