使用混合生成对抗网络产生构象异构体的生成系统和方法与流程

背景技术：

1、异构体是有机化学中的一个基本概念，其对应于具有相同分子式（属于同一种化合物）但在空间中具有不同原子结构排列的分子。存在几种不同类型或类别的异构体，其包括对于给定分子具有相同原子连接性的立体异构体，以及不具有相同原子连接性的构造异构体。立体异构体包括构象异构体，通常被称为“分子构象体”或简称为“构象体”，它们是有机化学中的一个基本概念，代表由分子的单键旋转导致的同一分子的不同排列。

技术实现思路

1、一种用于产生所选分子的一个或多个构象体的生成系统的实施例，包括处理器，以及耦合到处理器的存储器，其中机器可读指令存储在存储器中，并且其中机器可读指令在处理器上执行时，配置处理器以由生成模型接收训练数据集和输入数据集这两者，并且使用与所选分子相关联的输入数据集，由生成模型生成所选分子的一个或多个合成构象体。在一些实施例中，生成模型包括生成对抗网络（gan）。在一些实施例中，机器可读指令在处理器上执行时，进一步配置处理器以：由gan的生成器模块接收训练数据集，由生成器模块生成一个或多个合成构象体，由gan的判别器模块接收输入数据集和一个或多个合成构象体，以及由判别器模块确定一个或多个合成构象体的真实性（authenticity）。在某些实施例中，机器可读指令在处理器上执行时，进一步配置处理器以：由判别器模块将预定义的目标阈值或标准（criteria）应用于判别器模块从生成器模块接收的一个或多个合成构象体。在某些实施例中，目标阈值或标准包括目标能级。在一些实施例中，目标阈值或标准包括目标反应性水平。在一些实施例中，训练数据集包括潜在空间，从所述潜在空间向生成器模块提供信息。在某些实施例中，训练数据集至少部分地从输入数据集获得或基于输入数据集。在某些实施例中，训练数据集基于由输入数据集捕获的所选分子的一个或多个真实构象体，其中，一个或多个真实构象体的一个或多个预定义参数已对生成器模块掩蔽（masked from the generator module）。在一些实施例中，一个或多个预定义参数包括所选分子的一个或多个二面角（dihedral angle）。在一些实施例中，系统包括量子计算设备，所述量子计算设备被配置为以量子潜在空间的形式产生潜在空间。在某些实施例中，量子计算设备包括模拟量子处理器。在某些实施例中，量子计算设备包括光子量子计算设备。在一些实施例中，处理器和存储器包括经典计算设备，所述经典计算设备被配置为实现gan的生成器模块和判别器模块，由此gan包括混合gan。

2、一种用于产生所选分子的一个或多个构象体的计算机实现方法的实施例，包括：(a) 将训练数据集应用于生成模型以训练生成模型产生所选分子的一个或多个合成构象体，以及 (b) 使用与所选分子相关联的输入数据集，由生成模型产生所选分子的一个或多个合成构象体。在一些实施例中，训练数据集包括量子潜在空间，并且生成模型包括混合gan。在某些实施例中，训练数据集基于由输入数据集捕获的所选分子的一个或多个真实构象体，其中，一个或多个真实构象体的一个或多个预定义参数已对混合gan的生成器模块掩蔽。在某些实施例中，(a) 包括将预定义的目标阈值或标准应用于gan的判别器模块从生成器模块接收的一个或多个合成构象体。

3、一种用于产生所选分子的一个或多个构象体的计算机实现方法的实施例，包括：(a) 由生成模型接收与所选分子相关联的输入数据集，以及 (b) 使用输入数据集，由生成模型产生所选分子的一个或多个合成构象体。在一些实施例中，生成模型包括混合gan。

4、本文描述的实施例包括旨在解决某些现有设备、系统和方法的各种缺点的特征和特性的组合。前文已经相当广泛地概述了所公开实施例的特征和技术特性，以便可以更好地理解随后的详细描述。上述各种特征和特性以及其他特征和特性在阅读以下详细描述并参考附图后，对于本领域技术人员将是显而易见的。应当理解，所公开的概念和具体实施例可以容易地用作修改或设计其他结构以实现与所公开实施例相同目的的基础。还应当认识到，此类等效构造不脱离本文所公开原理的精神和范围。

1.一种用于产生所选分子的一个或多个构象体的生成系统，所述系统包括：

2.根据权利要求1所述的系统，其中，所述生成模型包括生成对抗网络（gan）。

3.根据权利要求2所述的系统，其中，所述机器可读指令在所述处理器上执行时，进一步配置所述处理器：

4.根据权利要求3所述的系统，其中，所述机器可读指令在所述处理器上执行时，进一步配置所述处理器：

5.根据权利要求4所述的系统，其中，所述目标阈值或标准包括目标能级。

6.根据权利要求4所述的系统，其中，所述目标阈值或标准包括目标反应性水平。

7.根据权利要求3所述的系统，其中，所述训练数据集包括潜在空间，从所述潜在空间向所述生成器模块提供信息。

8.根据权利要求3所述的系统，其中，所述训练数据集至少部分地从所述输入数据集获得或基于所述输入数据集。

9.根据权利要求7所述的系统，其中，所述训练数据集基于由所述输入数据集捕获的所述所选分子的一个或多个真实构象体，其中，所述一个或多个真实构象体的一个或多个预定义参数已对所述生成器模块掩蔽。

10.根据权利要求9所述的系统，其中，所述一个或多个预定义参数包括所述所选分子的一个或多个二面角。

11.根据权利要求7所述的系统，还包括量子计算设备，所述量子计算设备被配置为以量子潜在空间的形式产生所述潜在空间。

12.根据权利要求11所述的系统，其中，所述量子计算设备包括模拟量子处理器。

13.根据权利要求11所述的系统，其中，所述量子计算设备包括光子量子计算设备。

14.根据权利要求11所述的系统，其中，所述处理器和所述存储器包括经典计算设备，所述经典计算设备被配置为实现所述gan的所述生成器模块和所述判别器模块，由此所述gan包括混合gan。

15.一种用于产生所选分子的一个或多个构象体的计算机实现方法，所述方法包括：

16.根据权利要求15所述的方法，其中，所述训练数据集包括量子潜在空间，并且所述生成模型包括混合生成对抗网络（gan）。

17.根据权利要求16所述的方法，其中，所述训练数据集基于由所述输入数据集捕获的所述所选分子的一个或多个真实构象体，其中，所述一个或多个真实构象体的一个或多个预定义参数已对所述混合gan的生成器模块掩蔽。

18.根据权利要求17所述的方法，其中，(a) 包括将预定义的目标阈值或标准应用于由所述gan的判别器模块从所述生成器模块接收的所述一个或多个合成构象体。

19.一种用于产生所选分子的一个或多个构象体的计算机实现方法，所述方法包括：

20.根据权利要求19所述的方法，其中，所述生成模型包括混合生成对抗网络（gan）。