基于ChemCNet的有机合成智能分析方法及系统

技术特征：
1.一种基于chemcnet的有机合成智能分析方法，其特征在于，该方法包括以下步骤：1)特征描述符的计算，是根据软件将每种偶联反应的组分转化为相应的特征描述符；2)模型的建立，是构建chemcnet模型对特征描述符进行特征学习和产率的智能回归预测；3)使用特征重要性和shap值对chemcnet模型的预测结果进行可视化分析。2.根据权利要求1所述的一种基于chemcnet的有机合成智能分析方法，其特征在于，步骤1)包括：(1.1)将化学反应物和试剂导入软件，软件自动计算每种偶联反应组分的特征描述符，将化学反应物转换为一维数据；(1.2)将rfe与catboost相结合，并采用shap为特征打分从而筛选特征，再将数据联合得到二维矩阵的形式并对数据进行标准化。3.根据权利要求2所述的一种基于chemcnet的有机合成智能分析方法，其特征在于，步骤(1.2)包括：选取rfe后向搜索方法，shap值作为特征评价标准，为特征打分；根据后向搜索的原理，删除特征得分最低的特征，然后在剩余特征上继续构建模型，重新得到新一轮的特征排序，再删除得分最低的特征，重复此过程，依次删除特征得分最低的特征，直至达到指定的特征数量；其中，在每一次的迭代过程中，会重新评价当前的剩余特征构成的集合，每一个特征的得分在反复迭代过程中得到调整，最终以模型的预测指标rmse的形式呈现；得到筛选后的特征之后，将这些特征划分为训练集和测试集；并将其分别与对应的产率匹配；再对数据进行标准化处理；之后将筛选后得到的数据集(1
×
24)扩展为(1
×
25)。4.根据权利要求1所述的一种基于chemcnet的有机合成智能分析方法，其特征在于，步骤2)包括：(2.1)构建chemcnet模型；构建注意力卷积神经网络，将训练集导入卷积神经网络进行特征学习，挖掘数据深层特征，在卷积神经网络模型中融入注意力，通过不断迭代学习，分别计算每轮迭代的损失函数值，直至得到的损失函数值最小时，保存训练好的模型；(2.2)产率的智能回归预测；将训练集和对应的产率导入卷积神经网络进行特征学习，将最后一层全连接层的输出作为catboost模型的输入数据进行训练预测，即为最终预测结果；采用可决系数和均方根误差评估模型的预测效果；(2.3)对训练好的模型进行样本外预测，若样本外预测是有效的，则验证了训练好的模型的有效性和有泛化性；(2.4)用户可根据预测效果，结合自身需求，自我进行参数调整，若不满意，则用户可以调整卷积神经网络的卷积核大小，层数、节点数，以及catboost相关参数，并返回步骤(2.2)，直至用户满意。5.根据权利要求1所述的一种基于chemcnet的有机合成智能分析方法，其特征在于，步骤3)包括：(3.1)通过catboost输出特征描述符的重要性排序，以此找到对反应产率影响显著的描述符；使用shap值分析描述符与反应产率间的相关关系，以及单一特征反应产率间的内部关系，为用户提供有关有机化学偶联反应的决策信息。
6.根据权利要求4所述的一种基于chemcnet的有机合成智能分析方法，其特征在于，步骤(2.1)包括：(2.1.1)通过输入层，隐含层和输出层搭建了一种卷积神经网络模型；其中隐含层包括5层卷积层，每层激活函数为relu函数和3层全连接层；(2.1.2)在最后一层卷积层后加入一层注意力层；(2.1.3)对构建好的模型进行训练，设置全部训练集的训练所需的迭代次数为p，一次读入的数据量为q，其中p≥1，q≥1；(2.1.4)多次迭代学习并计算每次迭代网络模型的损失函数值，当损失函数值收敛到最小时，保存模型参数；(2.1.5)将最后一层全连接层的提取的特征作为新的输出数据导入catboost模型进行训练预测；即为最终预测结果；采用可决系数和均方根误差评估模型的预测效果；其中，所述注意力层采用eca-net；设一个卷积块的输出为x∈r
w
×
h
×
c
，其中w、h和c分别为宽度、高度和通道维度，r为实数域；不降维的聚合特征y∈r
c
；其中，r为实数域；c为通道维度；eca模块使用了一个频带矩阵w
k
来学习通道注意：此处涉及了k
×
c个参数，y
i
的权重的计算只考虑y
i
和它的k个邻居之间的相互作用，即y
i
的权重为：其中，ω
i
为y
i
的权重；σ为sigmoid函数；为y
i
和它的k个邻居之间的相互作用，(如w
1,1
,...,w
1,k
)；为y
i
的第j个相邻通道；为y
i
的k个相邻通道的集合；使所有通道共享相同的学习参数，即：其中，ω
i
为y
i
的权重；σ为sigmoid函数；为y
i
和它的k个邻居之间的相互作用；为y
i
的第j个相邻通道；为y
i
的k个相邻通道的集合；使所有通道共享相同的学习参数可以通过一个核大小为k的一维卷积来实现，即：ω＝σ(c1d
k
(y))其中，c1d为一维卷积；σ为sigmoid函数；确定一维卷积的核大小k；在k和c之间存在一个映射φ:c＝φ(k)；映射是一个线性函数，即φ(k)＝γ*k-b；γ为线性函数中一次项的系数，b为常数项；然后将线性函数φ(k)＝γ*k-b扩展到非线性函数，即：c＝φ(k)＝2
(γ*k-b)
然后，给定通道维数c，核大小k可以自适应地确定：
其中，表示的最接近奇数；最后用全连接层来把提取到的特征综合起来；再将全连接层提取的特征作为输入数据导入catboost模型进行回归预测；catboost模型使用以下方式：对于每个样本x
k
，训练一个单独的模型m
k
，该模型由不包含样本x
k
的训练集训练得到，而且使用该模型来估计x
k
上的梯度，并使用此估计对得到的树进行评分；即使用在前面的样本上训练的当前模型来更新模型的新样本的梯度，提供了无偏梯度；在学习过程的每一步t中，每个模型都被解释为一个模型f
t
的近似值；catboost首先为训练样本生成s 1个随机序列σ0,σ1,...,σ
s
，其中σ1,...,σ
s
用来构建决策树，σ0用来选择叶子节点的值，然后采用梯度步长的无偏估计，之后再进行标准的gbdt；除此之外，catboost使用对称树结构作为基本预测器，且在整个树中使用相同的分裂标准。7.一种基于chemcnet的有机合成智能分析系统，其特征在于，该系统包括，特征描述符输入与预处理模块，用于根据软件将每种偶联反应的组分转化为相应的特征描述符；基于chemcnet系统的智能分析模块，用于构建chemcnet模型对特征描述符进行特征学习和产率的智能预测；基于可视化的结果可解释分析模块，用于使用特征重要性和shap值等对chemcnet模型的预测结果进行可视化分析。

技术总结
本发明涉及人工智能的有机合成技术领域，具体涉及一种基于ChemCNet的有机合成智能分析方法及系统；该方法包括：1)特征描述符的计算，根据软件将化学反应条件转化为特征描述符；2)模型的建立，构建注意力驱动，并结合深度学习和集成提升树CatBoost的ChemCNet模型，对特征描述符进行再表示学习、产率进行智能预测，对产率和反应条件内在关系进行分析；3)使用特征重要性和SHAP值对ChemCNet模型及其预测结果进行可视化分析。该方法能够降低数据冗余性，实现化学反应产率的精准预测；符合绿色化学，智慧化学理念，在节约资源的基础上实现对产率的精准预测，并智能分析反应条件与产率之间的内在关系。之间的内在关系。之间的内在关系。


技术研发人员：彭李超 王恒哲 杨晓慧 郭艳慧 李子欣 余亚萍
受保护的技术使用者：河南大学
技术研发日：2022.11.07
技术公布日：2023/2/3