【技术实现步骤摘要】
本申请涉及计算化学，尤其涉及一种用于有机分子的结晶预测模型及其训练方法、结晶条件推荐方法及相关装置。
技术介绍
1、有机分子的晶体材料因其独特的性质而广泛应用于药物、农药、食品添加剂、电子与能源等领域。其中，一些有机分子存在两种或两种以上不同的晶体结构形态，即存在多晶型现象，不同的晶体形态可能导致药物的溶解度、稳定性、生物利用度和加工性等性质的变化。
2、晶体材料的物化性质对其应用性能至关重要。使用多晶型分子晶体的不同晶型，可以相应调整晶体的一些物化性质，继而满足特定应用的需求。多晶型主要通过结晶过程来调控。然而到目前为止，结晶仍然是一个复杂的课题，其原理尚不十分明确。因此，工业中的多晶型筛选侧重于结晶条件的修改，例如改变溶剂、温度和过饱和度，这些一般基于有限的经验和穷举式的尝试，需要耗费大量的人力、时间和物料。
技术实现思路
1、为解决或部分解决相关技术中存在的问题，本申请提供一种用于有机分子的结晶预测模型及其训练方法、结晶条件推荐方法及相关装置，能够预测有机分子在不同结晶条件下的结晶倾向并给出合理推荐，减少实验量，降低实验成本和研发周期。
2、本申请第一方面提供一种用于有机分子的结晶条件推荐方法，其包括：
3、获取目标分子的候选结晶条件，所述候选结晶条件包括目标分子信息、候选溶剂信息及候选环境信息；
4、根据所述候选结晶条件，通过预先训练好的结晶预测模型预测输出对应的结晶倾向结果；其中，所述结晶预测模型基于深度神经网络，根据样本分
5、根据所述结晶倾向结果，在所述候选结晶条件中获得所述目标分子对应的目标结晶条件。
6、本申请第二方面提供一种用于有机分子的结晶预测模型，所述结晶预测模型包括图神经网络模块、原子级相互作用模块、体系级相互作用模块及连续模块；其中：
7、所述图神经网络模块用于将目标分子和溶剂分子对应的分子图分别输入图神经网络进行卷积，分别获得目标分子和溶剂分子对应的原子级特征；
8、所述原子级相互作用模块用于将所述目标分子和各溶剂分子中的任意两个分子的原子级特征进行相互作用，获得对应的两个分子间的分子相互作用特征，并将得到的所有分子相互作用特征进行融合；
9、所述体系级相互作用模块用于将各所述环境特征分别嵌入融合后的分子相互作用特征，获得被对应的环境特征诱导后的实体特征；
10、所述连续模块用于根据各诱导后的所述实体特征与融合后的分子相互作用特征，获得对应的结晶倾向结果。
11、本申请第三方面提供一种用于有机分子的结晶预测模型的训练方法，其包括：
12、获取多个训练样本组成的训练集，所述训练样本包括样本结晶条件及对应的样本结晶结果，所述样本结晶条件包括样本分子信息、样本溶剂信息及结晶环境信息；
13、根据预先设置的网络超参数对基于深度神经网络构建的结晶预测模型进行初始化，并利用所述训练集对初始化后的结晶预测模型进行训练，获得训练好的结晶预测模型。
14、本申请第四方面提供一种用于有机分子的结晶条件推荐装置，其包括：
15、条件获取模块，用于获取目标分子的候选结晶条件，所述候选结晶条件包括目标分子信息、候选溶剂信息及候选环境信息；
16、结晶预测模块，用于根据所述候选结晶条件，通过预先训练好的结晶预测模型预测输出对应的结晶倾向结果；其中，所述结晶预测模型基于深度神经网络，根据样本分子在样本结晶条件下的样本结晶结果训练获得；
17、条件推荐模块，用于根据所述结晶倾向结果，在所述候选结晶条件中获得所述目标分子对应的目标结晶条件。
18、本申请第五方面提供一种用于有机分子的结晶预测模型的训练装置，其包括：
19、样本处理模块，用于获取多个训练样本组成的训练集，所述训练样本包括样本结晶条件及对应的样本结晶结果，所述样本结晶条件包括样本分子信息、样本溶剂信息及结晶环境信息；
20、模型训练模块，用于根据预先设置的网络超参数对基于深度神经网络构建的结晶预测模型进行初始化，并利用所述训练集对初始化后的结晶预测模型进行训练，获得训练好的结晶预测模型。
21、本申请第六方面提供一种电子设备，包括：
22、处理器；以及
23、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的推荐方法或训练方法。
24、本申请第七方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的推荐方法或训练方法。
25、本申请第八方面提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序用于执行如上所述的推荐方法或训练方法，或如上所述的用于有机分子的结晶预测模型对应的计算机程序代码指令。
26、本申请提供的技术方案可以包括以下有益效果：
27、本申请的技术方案，本申请的用于有机分子的结晶条件推荐方法，可以将目标分子通过结晶预测模型，预测每种候选结晶条件下的结晶倾向性，从中筛选获得具有结晶倾向的目标结晶条件。这样的设计，无需对每一种候选结晶条件进行真实的实验，降低实验成本和实验周期；同时，基于推荐的目标结晶条件进行实验，可以使得在较少的实验数目下，得到较多的结晶粉末或者晶体，提高了研发效率，节约物料成本。
28、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种用于有机分子的结晶条件推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预先训练好的结晶预测模型预测输出对应的结晶倾向结果之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据得到的各所述分子图和所述环境特征，通过预先训练好的结晶预测模型获得对应的结晶倾向结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述分子图以原子为节点，以化学键为边，其中：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
6.一种用于有机分子的结晶预测模型，其特征在于，所述结晶预测模型包括图神经网络模块、原子级相互作用模块、体系级相互作用模块及连续模块；其中：
7.根据权利要求6所述的结晶预测模型，其特征在于，所述分子图包括边连接矩阵、节点特征及边特征；其中：
8.根据权利要求6所述的结晶预测模型，其特征在于，还包括嵌入层模块；
9.根据权利要求6-8任一项所述的结晶预测模型，其特征在于，还包括线性层模块；
10.根据权利
11.一种根据权利要求6-10任一项所述的用于有机分子的结晶预测模型的训练方法，其特征在于，包括：
12.根据权利要求11所述的方法，其特征在于，所述利用所述训练集对初始化后的结晶预测模型进行训练，获得训练好的结晶预测模型，包括：
13.根据权利要求11或12所述的方法，其特征在于：
14.根据权利要求13所述的方法，其特征在于，所述结晶预测模型根据模拟训练样本进行预训练后，再根据真实训练样本进行微调训练获得，包括：
15.根据权利要求11所述的方法，其特征在于，所述方法还包括分别对多个训练样本进行预处理；其中：
16.一种用于有机分子的结晶条件推荐装置，其特征在于，包括：
17.一种用于有机分子的结晶预测模型的训练装置，其特征在于，包括：
18.一种电子设备，其特征在于，包括：
19.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行根据权利要求1-5中任一项所述的用于有机分子的结晶条件推荐方法，或根据权利要求11-15中任一项所述的用于有机分子的结晶预测模型的训练方法。
20.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序用于执行根据权利要求1-5中任一项所述的用于有机分子的结晶条件推荐方法，或根据权利要求6-10中任一项所述的用于有机分子的结晶预测模型对应的计算机程序代码指令，或根据权利要求11-15中任一项所述的用于有机分子的结晶预测模型的训练方法。
...【技术特征摘要】
1.一种用于有机分子的结晶条件推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预先训练好的结晶预测模型预测输出对应的结晶倾向结果之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据得到的各所述分子图和所述环境特征，通过预先训练好的结晶预测模型获得对应的结晶倾向结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述分子图以原子为节点，以化学键为边，其中：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
6.一种用于有机分子的结晶预测模型，其特征在于，所述结晶预测模型包括图神经网络模块、原子级相互作用模块、体系级相互作用模块及连续模块；其中：
7.根据权利要求6所述的结晶预测模型，其特征在于，所述分子图包括边连接矩阵、节点特征及边特征；其中：
8.根据权利要求6所述的结晶预测模型，其特征在于，还包括嵌入层模块；
9.根据权利要求6-8任一项所述的结晶预测模型，其特征在于，还包括线性层模块；
10.根据权利要求6-8任一项所述的结晶预测模型，其特征在于，所述连续模块包括多层激活层，各激活层的激活函数为silu函数或relu函数。
11.一种根据权利要求6-10任一项所述的用于有机分子的结晶预测模型的训练方法，其特征在于，包括：
...
【专利技术属性】
技术研发人员：付文博，李紫，曾群，
申请(专利权)人：深圳晶泰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。