欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026102097057
申请人: 江西农业大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于,包括:步骤一:构建分子训练数据集,对分子训练数据集进行处理,提取原子总数和训练元素组分直方图;

步骤二:基于最优传输路径插值根据采样时间步和采样标准高斯噪声,构建当前时刻的噪声化坐标以及目标条件速度场;

步骤三:基于原子总数和训练元素组分直方图,通过连续流匹配预测模型对当前时刻的噪声化坐标执行仿射变换调制处理,提取出节点特征,将节点特征进行处理,得到当前时刻的噪声化坐标的预测速度场;

步骤四:对节点特征进行处理转换为软原子类型分布,并依据软原子类型分布计算出每个原子类型的期望范德华半径;

步骤五:基于所述预测速度场和目标条件速度场计算流匹配损失,同时基于期望范德华半径和当前时刻的噪声化坐标计算出几何碰撞惩罚项;

步骤六:基于流匹配损失和几何碰撞惩罚项构建总损失函数,基于总损失函数训练连续流匹配预测模型的参数,获得最终训练后的连续流匹配预测模型的参数;

步骤七:设定目标原子总数和目标元素组分直方图,利用最终训练后的连续流匹配预测模型的参数定义常微分方程;

步骤八:基于目标原子总数和目标元素组分直方图,使用数值积分器求解所述常微分方程,输出最终的三维分子结构文件。

2.根据权利要求1所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤一的具体过程为:获取分子数据,对分子数据进行清洗与格式校验,剔除掉分子数据几何结构异常及化学价态错误的数据;提取清洗与格式校验后的分子数据中原子空间坐标与元素类型特征,以及每个分子数据的全局条件,并对原子空间坐标执行坐标去中心化处理、对元素类型特征执行独热编码处理,将坐标去中心化处理的结果和独热编码处理的结果进行拼接融合,得到处理后的分子数据;其中,元素类型特征即为原子类型;

采用最大节点数填充与掩码机制,将处理后的分子数据中非结构化数据映射为统一维度的张量表示,并将张量表示与全局条件进行并接,构建包含原子空间坐标、原子类型及全局条件的分子训练数据集;

其中,对分子训练数据集中的每个分子数据进行处理,提取每个分子数据中原子总数N和训练元素组分直方图C,并将原子空间坐标去中心化后填充至最大节点数Nmax,生成原子掩码M。

3.根据权利要求2所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤二的具体过程为:从设定的时间区间[0,1]中采样时间步t,并从设定的标准高斯分布中采样标准高斯噪声x0;

最优传输路径插值定义如下:

;

;

式中,为第t时刻的噪声化坐标;为第t时刻的目标条件速度场;为预设的最小噪声标准差参数;表示采样的标准高斯噪声,为真实数据分布中的分子坐标。

4.根据权利要求3所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤三的具体过程为:构建包括特征线性调制模块、等变神经网络的连续流匹配预测模型;

将步骤二得到的第t时刻的噪声化坐标作为节点位置,基于节点位置来初始化第层的节点特征;

将步骤一提取的原子总数N和训练元素组分直方图C编码为训练全局条件向量;

通过特征线性调制模块将原子总数N和训练元素组分直方图C添加到等变神经网络的每一层中,利用特征线性调制模块中的多层感知机将训练全局条件向量映射为特征调制参数的缩放因子和平移因子,利用缩放因子和平移因子对进行仿射变换调制处理操作,得到等变神经网络第层经过训练全局条件向量调制后的节点特征;

利用等变神经网络对进行特征提取,得到第层的节点特征;

基于连续流匹配预测模型建立从高斯噪声分布到真实分子数据分布的确定性概率流路径,通过概率流路径定义时间依赖的条件向量场,基于条件向量场引导第t时刻的噪声化坐标沿着能量最低的直线轨迹演化,通过线性插值在演化直线轨迹上构建中间态样本,将第层的节点特征与所述中间态样本一同代入等变神经网络进行拟合,得到第t时刻的噪声化坐标的预测速度场。

5.根据权利要求4所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤四的具体过程为:将输入到全连接层中进行处理,把高维的压缩映射至原子类别维度空间中进行处理,得到原子类型未归一化概率值Logits;

Logits由软最大化函数转化为软原子类型分布Psoft;

通过用Psoft对预设各原子类型对应的标准范德华半径约束进行加权求和,计算得到第i个原子类型的期望范德华半径。

6.根据权利要求5所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:计算流匹配损失,表示如下:;

式中,为流匹配损失;表示期望。

7.根据权利要求6所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:计算出几何碰撞惩罚项的具体过程为:基于第t时刻的噪声化坐标,利用预测速度场对中的原子坐标进行去噪修正,得到每个原子的去噪坐标估计值、;

计算几何碰撞惩罚项,表示如下:

;

式中,为归一化因子;为第个原子掩码;为第个原子掩码;为修正线性单元激活函数;为第j个原子类型的期望范德华半径;为容差系数;为第个原子的去噪坐标估计值;为第个原子的去噪坐标估计值。

8.根据权利要求7所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤六的具体过程为:基于和以及物理约束权重系数构建总损失函数;

通过最小化总损失函数来迭代训练连续流匹配预测模型的参数;围绕总损失函数的最小化进行参数迭代更新,其中,物理约束的权重系数为非固定值,的取值调整遵循余弦退火策略:在连续流匹配预测模型的参数训练初期,的取值近似为0;随着训练轮数的增加,λ的取值逐步增大,待训练轮数达到预设定值或λ的取值达到设定的阈值时,训练停止,完成参数训练,获得最终训练后的连续流匹配预测模型的参数。

9.根据权利要求8所述的一种融合条件流匹配与范德华半径约束三维分子生成方法,其特征在于:步骤八的具体过程为:根据设定的目标原子总数Ntarget和目标元素组分直方图Ctarget作为推理时的目标全局条件向量;

并从设定的标准高斯分布中采样得到初始噪声状态xprior;

通过数值积分器求解常微分方程,执行从时间=0到=1的确定性演化,具体为:计算第个离散时间步时刻的原子坐标状态,表示如下:

;

式中,为第个离散时间步时刻的原子坐标状态;为第个离散时间步时刻的原子坐标状态;为积分区间内连续时间对应的原子坐标状态;为微分算子;

采用欧拉预测校正法对进行近似求解;在此求解过程中,持续受到推理时的目标全局条件向量的调制,引导原子坐标沿着最优传输路径插值从初始噪声状态所处的高维噪声空间平滑迁移至符合目标元素组分直方图和物理约束的低维化学数据流形,最终输出去噪后的分子点云坐标以及对应的软原子类型分布;

对输出的软原子类型分布进行最大后验概率估计分布,将连续的概率估计分布转换为第个原子的离散原子序数;

接着利用步骤五中得到的几何碰撞惩罚项Lvdw,采用基于原子间距离的几何感知算法推断化学键,具体为:基于去噪后的分子点云坐标和,计算任意两个原子和之间的欧氏距离;

当满足,则判定两个原子和之间存在化学键,其中为第个原子的共价半径常数;为第个原子的共价半径常数;为判定阈值系数;

当判定两个原子和之间存在化学键时,构建邻接矩阵;

基于邻接矩阵生成离散的分子图结构,对分子图结构执行连通性校验与价键规则检查操作,剔除分子图结构中的孤立节点,输出最终的三维分子结构文件。

10.一种电子设备,其特征在于,包括处理器、存储器和总线,所述处理器和所述存储器通过所述总线相连,其中,所述存储器用于存储一组程序代码,所述处理器用于调用所述存储器中存储的程序代码,执行如权利要求1-9任意一项所述的一种融合条件流匹配与范德华半径约束三维分子生成方法。