原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于多模态的分子表示预测方法，应用于药物发现技术领域。本发明包括：构建药物分子的数据集，并获取数据集中的每个分子的序列表示、分子图表示、分子构象图表示；对得到的不同模态的分子节点表示，引入全局注意力池化层，获取分子级表示；对得到的不同模态的分子级表示，引入一种模态间的基于相似性的对比机制，计算不同模态间的特征差异性损失，设计融合层获取分子的联合表示；对得到的分子联合表示，引入分子属性预测器，并通过计算混合有监督信号损失和对比损失来训练优化模型，得到最优模型来获取最终的分子表示。本
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117292764A
(43)申请公布日2023.12.26
(21)申请号202311456933.7
(22)申请日2023.11.03
(71)申请人杭州市滨江区浙工
文档评论（0）