优化合成条件的方法、非瞬时性计算机可读存储介质、和用于合成条件的装置制造方法及图纸

本发明专利技术涉及优化合成条件的方法、非瞬时性计算机可读存储介质、和用于合成条件的装置。优化合成条件的方法包括：接收图型描述符，其包括至少一种反应物的结构信息和待通过所述反应物合成的目标产物的结构信息的至少一种；通过将所述图型描述符应用于预测神经网络模型而确定用于产生所述目标产物的合成条件的组合；基于与所述组合的产率对应的第一置信度从所述组合之中选择至少一个初始条件组合；基于由采用所述初始条件组合的实验的结果获得的真值产率更新所述预测神经网络模型；基于经更新的预测神经网络模型确定所述组合的优先级；和基于经确定的优先级确定合成条件的随后组合。组合。组合。

【技术实现步骤摘要】
优化合成条件的方法、非瞬时性计算机可读存储介质、和用于合成条件的装置
[0001]对相关申请的交叉引用
[0002]本申请要求在韩国知识产权局于2021年8月27日提交的韩国专利申请No.10
‑
2021
‑
0114066和于2021年11月12日提交的韩国专利申请No.10
‑
2021
‑
0155792的优先权，将其公开内容全部通过引用引入本文中。


[0003]符合实例实施方式的方法和装置涉及优化用于合成化合物以产生目标产物的合成条件。

技术介绍

[0004]神经网络可指的是模拟生物大脑的计算架构。随着神经网络发展，用在多种领域中的电子设备可使用基于神经网络的模型来分析输入数据以及提取和/或输出有效信息。
[0005]例如，合成一种或多种化合物以实行化学反应以获得目标产物可涉及由大量人力资源进行的许多实验，并且由这些实验的结果获得的合成条件的稳定性可不是容易地可确定的。因此，存在对于使用基于神经网络的模型减少合成实验的次数和获得目标产物的高产率的技术的渴望。

技术实现思路

[0006]一种或多种实例实施方式可解决至少以上问题和/或缺点以及以上未描述的其它缺点。此外，所述实例实施方式未被要求克服以上描述的缺点，且实例实施方式可不克服以上描述的问题的任一个。
[0007]根据多种实例实施方式的一个方面，提供优化合成条件的方法，所述方法包括：接收包括至少一种反应物的结构信息和待通过所述反应物合成的目标产物的结构信息的至少一种的图型描述符，通过将所述图型描述符应用于预测神经网络模型而确定用于产生所述目标产物的合成条件的组合，基于与所述组合的产率对应的第一置信度从所述组合之中选择至少一个初始条件组合，基于由采用所述初始条件组合的实验的结果获得的真值(真实，ground
‑
truth)产率更新所述预测神经网络模型，基于经更新的预测神经网络模型确定所述组合的优先级，和基于经确定的优先级确定合成条件的随后组合。
[0008]选择所述初始条件组合可包括基于所述第一置信度确定对于所述初始条件组合的选择比率和基于所述选择比率选择所述初始条件组合。
[0009]确定所述选择比率可包括基于所述第一置信度确定包括第一比率和第二比率的选择比率，通过所述预测神经网络模型预测的合成条件按所述第一比率被选择为所述初始条件组合，随机条件按所述第二比率被选择为所述初始条件组合。
[0010]确定所述选择比率可包括：当所述第一置信度大于预设阈值时，增加所述第一比率并且降低所述第二比率，和当所述第一置信度小于所述预设阈值时，增加所述第二比率
并且降低所述第一比率。
[0011]所述预测神经网络模型可被训练成预测如下的至少一种：所述组合、与所述组合对应的预测产率、和与所述预测产率对应的所述第一置信度。
[0012]所述预测神经网络模型可使用配置成基于所述图型描述符根据所述反应物中的相邻原子之间的相关性(关联)确定所述组合的消息传递神经网络(MPNN)。
[0013]更新所述预测神经网络模型可包括基于比较与通过所述预测神经网络模型确定的合成条件的组合对应的预测产率和所述真值产率的结果更新所述预测神经网络模型。
[0014]确定所述优先级可包括：比较与通过尚待更新的预测神经网络模型预测的合成条件的组合对应的第一产率和与通过经更新的预测神经网络模型预测的合成条件的组合对应的第二产率，和基于所述比较的结果确定在所述组合之间的优先级。
[0015]基于所述比较的结果确定在所述组合之间的优先级可包括：当所述第二产率小于或等于所述第一产率时，确定与所述第一产率对应的第一组合具有较高的优先级并且确定与所述第二产率对应的第二组合具有较低的优先级，和当所述第二产率大于所述第一产率时，确定所述第二组合具有较高的优先级并且所述第一组合具有较低的优先级。
[0016]确定所述合成条件的随后组合可包括：当所述预测神经网络模型基于由采用所述合成条件的随后组合的实验的结果获得的真值产率被更新时，重新确定所述优先级，基于经重新确定的优先级确定跟着所述随后组合的合成条件的接着的随后组合，以及迭代地(反复地)进行重新确定优先级和确定接着的随后组合，直至由采用所述接着的随后组合的实验的结果获得的真值产率满足预设目标产率。
[0017]所述合成条件可包括如下的至少一种：催化剂条件、配体条件、碱条件(base condition)、溶剂条件、温度条件、密度条件、湿度条件、反应时间条件、和压力条件。
[0018]所述图型描述符进一步可包括合成路径，所述合成路径包括所述反应物的取代者(取代剂)和反应者(反应剂)的至少一种。
[0019]确定所述合成条件的组合可包括通过将所述图型描述符应用于所述预测神经网络模型而确定所述合成条件的组合以满足所述反应物的反应机理(满足所述反应物的反应机理的所述合成条件的组合)。
[0020]根据多种实例实施方式的另一方面，提供优化合成条件的方法，所述方法包括：接收包括至少一种反应物的结构信息和待通过所述反应物合成的目标产物的结构信息、以及所述反应物的合成路径的图型描述符，和接收所述反应物的反应机理，通过将所述图型描述符应用于预测神经网络模型而确定包括满足所述反应机理的用于产生所述目标产物的合成条件的组合和所述合成路径的搜索空间，基于与所述搜索空间中的所述组合的产率对应的第一置信度在所述组合之中取样至少一个初始条件组合，基于由采用所述初始条件组合的实验的结果获得的真值产率更新所述预测神经网络模型，基于经更新的预测神经网络模型确定所述组合的优先级，和基于经确定的优先级重新确定所述搜索空间，使得其包括合成条件的随后组合和随后合成路径。当所述预测神经网络模型基于采用所述随后组合的实验的结果被更新时，所述优先级可被重新确定，并且所述搜索空间可基于经重新确定的优先级被确定以包括跟着所述随后组合的合成条件的接着的随后组合。
[0021]取样所述初始条件组合可包括基于所述第一置信度确定包括第一比率和第二比率的选择比率，通过所述预测神经网络模型预测的合成条件按所述第一比率被选择为所述
初始条件组合，随机条件按所述第二比率被选择为所述初始条件组合。
[0022]确定所述选择比率可包括：当所述第一置信度大于预设阈值时，增加所述第一比率并且降低所述第二比率，和当所述第一置信度小于所述预设阈值时，增加所述第二比率并且降低所述第一比率。
[0023]所述预测神经网络模型可被训练成预测如下的至少一种：满足所述反应机理的所述组合、与所述组合对应的预测产率、与所述预测产率对应的所述第一置信度、和所述合成路径。
[0024]更新所述预测神经网络模型可包括基于比较与通过所述预测神经网络模型确定的合成条件的组合对应的预测产率和由采用所述初始条件组合的实验的结果获得的真值产率的结果更新所述预测神经网络模型。
[0025]确定所述优先级可包括：比较与通过尚待更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.优化合成条件的方法，所述方法包括：接收图型描述符，其包括至少一种反应物的结构信息和待通过所述反应物合成的目标产物的结构信息的至少一种；通过将所述图型描述符应用于预测神经网络模型而确定用于产生所述目标产物的合成条件的组合；基于与所述组合的产率对应的第一置信度从所述组合之中选择至少一个初始条件组合；基于由采用所述初始条件组合的实验的结果获得的真值产率更新所述预测神经网络模型；基于经更新的预测神经网络模型确定所述组合的优先级；和基于经确定的优先级确定合成条件的随后组合。2.如权利要求1所述的方法，其中选择所述初始条件组合包括：基于所述第一置信度确定对于所述初始条件组合的选择比率；和基于所述选择比率选择所述初始条件组合。3.如权利要求2所述的方法，其中确定所述选择比率包括：基于所述第一置信度确定包括第一比率和第二比率的选择比率，通过所述预测神经网络模型预测的合成条件按所述第一比率被选择为所述初始条件组合，随机条件按所述第二比率被选择为所述初始条件组合。4.如权利要求3所述的方法，其中确定所述选择比率包括：当所述第一置信度大于预设阈值时，增加所述第一比率并且降低所述第二比率；和当所述第一置信度小于预设阈值时，增加所述第二比率并且降低所述第一比率。5.如权利要求1所述的方法，其中所述预测神经网络模型被训练成预测如下的至少一种：所述组合、与所述组合对应的预测产率、和与所述预测产率对应的所述第一置信度。6.如权利要求1所述的方法，其中所述预测神经网络模型使用配置成基于所述图型描述符根据所述反应物中的相邻原子之间的相关性确定所述组合的消息传递神经网络(MPNN)。7.如权利要求1所述的方法，其中更新所述预测神经网络模型包括：基于比较与通过所述预测神经网络模型确定的合成条件的组合对应的预测产率和所述真值产率的结果更新所述预测神经网络模型。8.如权利要求1所述的方法，其中确定所述优先级包括：比较与通过尚待更新的预测神经网络模型预测的合成条件的组合对应的第一产率和与通过经更新的预测神经网络模型预测的合成条件的组合对应的第二产率；和基于所述比较的结果确定在所述组合之间的优先级。9.如权利要求8所述的方法，其中基于所述比较的结果确定在所述组合之间的优先级包括：当所述第二产率小于或等于所述第一产率时，确定与所述第一产率对应的第一组合具有较高的优先级并且确定与所述第二产率对应的第二组合具有较低的优先级；和当所述第二产率大于所述第一产率时，确定所述第二组合具有较高的优先级并且所述第一组合具有较低的优先级。
10.如权利要求1所述的方法，其中所述方法包括在确定所述合成条件的随后组合后：当所述预测神经网络模型基于由采用所述合成条件的随后组合的实验的结果获得的真值产率被更新时，重新确定优先级；基于经重新确定的优先级确定跟着所述随后组合的合成条件的接着的随后组合；和迭代地进行重新确定优先级和确定接着的随后组合，直至由采用所述接着的随后组合的实验的结果获得的真值产率满足预设目标产率。11.如权利要求1所述的方法，其中所述合成条件包括如下的至少一种：催化剂条件、配体条件、碱条件、溶剂条件、温度条件、密度条件、湿度条件、反应时间条件、和压力条件。12.如权利要求1所述的方法，其中所述图型描述符进一步包括合成路径，所述合成路径包括所述反应物的取代者和反应者的至少一种。13.如权利要求12所述的方法，其中确定所述合成条件的组合包括：通过将所述图型描述符应用于所述预测神经网络模型而确定所述合成条件的组合以满足所述反应物的反应机理。14.优化合成条件的方法，包括：接收图型描述符，其包括至少一种反应物的结构信息和待通过所述反应物合成的目标产物的结构信息、以及所述反应物的合成路径，和接收所述反应物的反应机理；通过将所述图型描述符应用于预测神经网络模型而确定搜索空间，所述搜索空间包括满足所述反应机理的用于产生所述目标产物的合成条件的组合和所述合成路径；基于与所述搜索空间中的所述组合的产率对应的第一置信度在所述组合之中取样至少一个初始条件组合；基于由采用所述初始条件组合的实验的结果获得的真值产率更新所述预测神经网络模型；基于经更新的预测神经网络模型确定所述组合的优先级；和基于经确定的优先级重新确定所述搜索空间以包括合成条件的随后组合和随后合成路径，其中，当所述预测神经网络模型基于采用所述随后组合的实验的结果被更新时，优先级被重新确定，并且所述搜索空间基于经重新确定的优先级被确定以包括跟着所述随后组合的合成条件的接着的随后组合。15.如权利要求14所述的方法，其中采样所述初始条件组合包括：基于所述第一置信度确定包括第一比率和第二比率的选择比率，通过所述预测神经网络模型预测的合成条件按所述第一比率被选择为所述初始条件组合，随机条件按所述第二比率被选择为所述初始条件组合。16.如权利要求15所述的方法，其中确定所述选择比率包括：当所述第一置信度大于预设阈值时，增加所述第一比率并且降低所述第二比率；和当所述第一置信度小于预设阈值时，增加所述第二比率并且降低所述第一比率。17.如权利要求14所述的方法，其中所述预测神经网络模型被训练成预测如下的至少一种：满足所述反应机理的所述组合、与所述组合对应的预测产率、与所述预测产率对应的所述第一置信度、和所述合成路径。18.如权利要求14所述的方法，其中更新所述预测模型包括：
基于比较与通过所述预测神经网络模型确定的合成条件的组合对应的预测产率和由采用所述初始条件组合的实验的结果获得的真值产率的结果更新所述预测神经网络模型。19.如权利要求14所述的方法，其中确定所述优先级包括：比较与通过尚待更新的预测神经网络模型预测的合成条件的组合对应的第一产率...

【专利技术属性】
技术研发人员：权宁千，姜锡浩，金辰宇，李东宣，崔伦硕，
申请(专利权)人：成均馆大学校产学协力团，
类型：发明
国别省市：