检索结果-维普期刊中文期刊服务平台

融合图神经网络、门控循环单元与注意力机制的分子性质预测方法被引量：1: 1; 作者随海燕袁洪波 +3 位作者周焕笛赵欢霍静倩程曼《河北农业大学学报》 CSCD 北大核心 2024年第6期40-46,61,共8页; 分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意... 展开更多; 关键词药物研发分子性质预测图神经网络门控循环单元注意力机制; 在线阅读下载PDF 职称材料

基于神经网络的分子性质预测算法研究进展被引量：2: 2; 作者朱洪翔傅钰江 +1 位作者李雪陈博《科学技术与工程》北大核心 2023年第19期8061-8070,共10页; 分子性质预测是材料化学领域的热点问题,基于第一性原理的计算方法虽然可以明确地描述体系中电子分布,但计算过程过于复杂,且计算复杂度随分子中原子增加呈指数级增长。近年来,随着相关研究的不断深入,涌现出多种多样的深度学习算法,将... 展开更多; 关键词分子性质预测多层感知机图神经网络深度学习; 在线阅读下载PDF 职称材料

以离子液体密度为例的分子性质预测模型建模方法探讨: 3; 作者陈家辉杨鑫泽 +2 位作者陈顾中宋震漆志文《化工学报》 EI CSCD 北大核心 2023年第2期630-641,共12页; 分子性质预测模型是针对特定应用需求筛选设计化学品的有力工具,然而诸多相关建模过程中的测试集划分、交叉验证、算法选择等关键环节普遍存在严谨性不足的问题,模型真实预测性能难以保证。以基团贡献法预测离子液体密度为例,探讨了分... 展开更多; 关键词分子性质预测模型数据集划分交叉验证算法离子液体密度; 在线阅读下载PDF 职称材料

基于图对比学习网络的碳捕集利用与封存过程临界物性预测: 4; 作者蔡一涵崔乐雨 +3 位作者李欣苏智青何秀娟李应成《石油化工》 CAS CSCD 北大核心 2024年第4期518-524,共7页; 针对获取化合物临界温度(T_(c))的传统实验和计算方法成本高的问题,将图对比学习(GCL)算法应用于原油组分T_(c)的预测中,结合现有的Tc数据集与补充的原油组分相关数据比较了GCL算法和传统计算模型区别。计算结果表明,GCL算法可捕捉图结... 展开更多; 关键词分子性质预测图对比学习碳捕集利用与封存 CO_(2)驱油; 在线阅读下载PDF 职称材料

题名融合图神经网络、门控循环单元与注意力机制的分子性质预测方法被引量：1: 1; 作者随海燕袁洪波周焕笛赵欢霍静倩程曼; 机构河北农业大学机电工程学院沧州渤海新区黄骅市农业农村发展局河北农业大学植物保护学院; 出处《河北农业大学学报》 CSCD 北大核心 2024年第6期40-46,61,共8页; 基金河北省重点研发计划项目(22326512D).; 文摘分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意力机制的网络模型(Gated recurrent unit-attention-convolutional graph neural networks,GAGCN)用于分子性质的预测。该模型通过图神经网络(Graph neural network,GNN)对分子图进行表示学习,利用节点之间的连接和信息传播来捕捉分子的结构特征;使用门控循环单元(Gated recurrent unit,GRU)对分子序列进行建模,从而捕捉分子序列中的时序信息,通过门控机制自适应地选择保留或丢弃序列中的信息。最后通过注意力机制自适应地学习不同特征之间的权重,将GNN和GRU进行融合,从而使模型可以充分利用分子的结构和序列信息,以提高分子性质预测的准确性。试验结果表明该模型对于LogP的预测精度MSE、MAE和R2分别达到了0.0010、0.0116和0.9993。本文提出的模型为新农药、新兽药的研发提供了技术支持和参考。; 关键词药物研发分子性质预测图神经网络门控循环单元注意力机制; Keywords drug development molecular property prediction graph neural network gated loop unit attention mechanism; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于神经网络的分子性质预测算法研究进展被引量：2: 2; 作者朱洪翔傅钰江李雪陈博; 机构中石化(大连)石油化工研究院有限公司; 出处《科学技术与工程》北大核心 2023年第19期8061-8070,共10页; 基金国家重点研发计划(2017YFF0210404,2022YFB3305905) 大连市支持高层次人才创新创业项目(2020RJ10)。; 文摘分子性质预测是材料化学领域的热点问题,基于第一性原理的计算方法虽然可以明确地描述体系中电子分布,但计算过程过于复杂,且计算复杂度随分子中原子增加呈指数级增长。近年来,随着相关研究的不断深入,涌现出多种多样的深度学习算法,将算法分为基于多层感知机(multi-layer perceptron,MLP)和图神经网络(graph neural network,GNN)两大类及六个子类,研究不同算法的特点。分析表明,MLP类算法结构简单,算法扩展性有限,与分子内部结构关联度不高;相反,GNN类算法融合消息传递机制,将分子间相互作用转换为结点、边之间的特征传递,在各向评价指标中占优。目前,基于深度学习的分子性质预测算法正从MLP类算法向GNN类算法过度。最后,提出基于深度学习的分子性质预测算法未来在数据集、各向异性特征传递、指导材料科学与生命科学中的实际应用等方面的发展方向。; 关键词分子性质预测多层感知机图神经网络深度学习; Keywords molecular property prediction multi-layer perceptron graph neural network deep learning; 分类号 TQ311 [化学工程—高聚物工业]; 在线阅读下载PDF 职称材料

题名以离子液体密度为例的分子性质预测模型建模方法探讨: 3; 作者陈家辉杨鑫泽陈顾中宋震漆志文; 机构华东理工大学化工学院; 出处《化工学报》 EI CSCD 北大核心 2023年第2期630-641,共12页; 文摘分子性质预测模型是针对特定应用需求筛选设计化学品的有力工具,然而诸多相关建模过程中的测试集划分、交叉验证、算法选择等关键环节普遍存在严谨性不足的问题,模型真实预测性能难以保证。以基团贡献法预测离子液体密度为例,探讨了分子性质预测模型建模过程中数据集划分和交叉验证的重要性,提出了自动基团划分方法并研究了数据集中基团涉及分子个数对预测精度的影响。通过对比五种回归算法(多重线性回归、岭回归、随机森林、支持向量机、神经网络),基于岭回归的基团贡献模型预测性能最佳,在由1078种离子液体、共计23034个数据点组成的数据集上得到的平均相对误差为1.88%。; 关键词分子性质预测模型数据集划分交叉验证算法离子液体密度; Keywords molecular property prediction modelling dataset partitioning cross-validation algorithms ionic liquids density; 分类号 TQ015.9 [化学工程]; 在线阅读下载PDF 职称材料

题名基于图对比学习网络的碳捕集利用与封存过程临界物性预测: 4; 作者蔡一涵崔乐雨李欣苏智青何秀娟李应成; 机构中石化(上海)石油化工研究院有限公司绿色化工与工业催化全国重点实验室; 出处《石油化工》 CAS CSCD 北大核心 2024年第4期518-524,共7页; 基金中国石化集团公司重点研发项目(KL22055)。; 文摘针对获取化合物临界温度(T_(c))的传统实验和计算方法成本高的问题,将图对比学习(GCL)算法应用于原油组分T_(c)的预测中,结合现有的Tc数据集与补充的原油组分相关数据比较了GCL算法和传统计算模型区别。计算结果表明,GCL算法可捕捉图结构中的节点和边特征,同时对训练数据量要求较小,适用于分子性质预测;GCL算法具有更高的预测准确度,同时调整分子二维和三维结构编码可对GCL的预测性能起到提升的效果。; 关键词分子性质预测图对比学习碳捕集利用与封存 CO_(2)驱油; Keywords molecular property prediction graph contrastive learning carbon capture,utilization and storage carbon dioxide flooding; 分类号 TQ015 [化学工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合图神经网络、门控循环单元与注意力机制的分子性质预测方法	随海燕袁洪波周焕笛赵欢霍静倩程曼	《河北农业大学学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于神经网络的分子性质预测算法研究进展	朱洪翔傅钰江李雪陈博	《科学技术与工程》北大核心	2023	2	在线阅读下载PDF 职称材料
3	以离子液体密度为例的分子性质预测模型建模方法探讨	陈家辉杨鑫泽陈顾中宋震漆志文	《化工学报》 EI CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
4	基于图对比学习网络的碳捕集利用与封存过程临界物性预测	蔡一涵崔乐雨李欣苏智青何秀娟李应成	《石油化工》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料