[發明專利]分子處理方法、裝置、電子設備、存儲介質及程序產品

有效

• 申請號: 202210980553.2
• 申請日: 2022-08-16
• 公開（公告）號: CN115527626B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 葉閣焰;劉偉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G16C20/50
• 分類號: G16C20/50;G16C10/00;G16C20/70
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 汪哲雯;浦彩華

1.一種基于人工智能的分子處理方法，其特征在于，所述方法包括：

獲取目標分子的三維結構；

調用神經網絡模型對所述目標分子的三維結構進行能量誤差預測處理，得到所述目標分子的能量誤差；

其中，所述神經網絡模型是通過擬合樣本分子的能量誤差進行訓練得到的，所述樣本分子的能量誤差指分別按照兩種能量計算機制來計算所述樣本分子的能量時得到的計算結果差值，所述兩種能量計算機制包括第一能量計算處理以及第二能量計算處理，所述第一能量計算處理的精度小于所述第二能量計算處理的精度，且所述第一能量計算處理的速度大于所述第二能量計算處理的速度；

對所述目標分子的三維結構進行所述第一能量計算處理，得到所述目標分子的第一能量；

基于所述目標分子的能量誤差對所述目標分子的第一能量進行誤差修正處理，得到所述目標分子的第二能量。

2.根據權利要求1所述的方法，其特征在于，所述調用神經網絡模型對所述目標分子的三維結構進行能量誤差預測處理，得到所述目標分子的能量誤差，包括：

通過所述神經網絡模型對所述三維結構進行特征提取處理，得到所述目標分子的能量誤差特征；

通過所述神經網絡模型對所述能量誤差特征進行全連接處理，得到所述目標分子的能量誤差。

3.根據權利要求2所述的方法，其特征在于，所述神經網絡模型包括N個級聯的特征網絡，所述通過所述神經網絡模型對所述三維結構進行特征提取處理，得到所述目標分子的能量誤差特征，包括：

對所述三維結構中每個原子進行初始特征提取處理，得到每個原子的初始特征；

當n取值為1≤n≤N-2時，通過N個級聯的特征網絡中的第n特征網絡，對所述第n特征網絡的輸入進行第n特征提取處理，得到每個所述原子的第n特征，并將所述第n特征傳輸到第n+1特征網絡以繼續進行第n+1特征提取處理；

當n取值為N-1時，通過所述第n+1特征網絡對每個所述原子的第n特征進行屬性特征提取處理，得到每個所述原子的第n+1屬性特征，并通過所述第n+1特征網絡對每個所述原子的第n特征進行坐標特征提取處理，得到每個所述原子的第n+1坐標特征，將每個所述原子的第n+1屬性特征以及第n+1坐標特征組成所述能量誤差特征；

其中，N的取值范圍滿足2≤N，n為取值從1開始遞增的整數，且n的取值范圍滿足1≤n≤N-1；當n取值為1時，所述第n特征網絡的輸入為每個原子的初始特征，當n取值為2≤n≤N-1時，所述第n特征網絡的輸入為第n-1特征網絡輸出的每個原子的第n-1特征。

4.根據權利要求3所述的方法，其特征在于，所述對所述三維結構中每個原子進行初始特征提取處理，得到每個原子的初始特征，包括：

獲取所述三維結構中每個原子的初始屬性特征，并獲取所述三維結構中每個原子的初始坐標特征；

其中，所述初始屬性特征表征所述原子的屬性信息，所述初始坐標特征表征所述原子的位置信息；

針對所述三維結構中每個所述原子執行以下處理：獲取所述三維結構中除所述原子之外的至少一個其他原子，并獲取所述原子與每個所述其他原子之間的初始關系特征，其中，所述初始關系特征表征所述原子與其他原子的連接關系；

將每個所述原子的初始屬性特征、每個所述原子的初始坐標特征以及每個所述原子的初始關系特征，組成每個所述原子的初始特征。

5.根據權利要求3所述的方法，其特征在于，所述通過N個級聯的特征網絡中的第n特征網絡，對所述第n特征網絡的輸入進行第n特征提取處理，得到每個所述原子的第n特征，包括：

通過所述第n特征網絡對每個所述原子執行以下處理：

獲取所述三維結構中除所述原子之外的其他原子；

對所述原子的第n-1特征以及每個所述其他原子的第n-1特征，執行第一映射處理，得到所述原子對應每個所述其他原子的第n關聯特征；

對所述原子的第n-1特征以及所述原子對應每個所述其他原子的第n關聯特征，執行第二映射處理，得到所述原子的第n特征。