目录
循环神经网络RNN（Recurrent Neural Network）
前置知识
AI for chemistry
①可以使用手动的特征工程对已有数据进行编码、特征提取，例如task1中将SMILES表达式编码为分子指纹。
②深度神经网络可以学习特征，可以用来替代前期的手动特征工程。学习教程中提到了几个常见的例子：word2vec：对分子进行向量化，促进更多的新型分子指纹出现；基于seq2seq模型学习表示为序列类型的化学数据；基于diffusion重建分子三维空间结构等等。
SMILES编码为分子指纹
SMILES表示方法缺点：①同一个物质可能有多种表示方法②空间关系无法完全表达（例如对映异构）
分子指纹是一个具有固定长度的位向量，相当于把分子向量化，每个维度代表某个基团，对应维度是1代表该分子有这个基团，若为0则没有这个基团。分子指纹的维度常常是几千，例如task1里面的分子指纹，是4个2000维度的分子指纹进行拼接得到一个维度8000的位向量，是十分庞大的数据量。所以可以采用一些降维方式对数据进行处理。类似NLP中的Bag of Word
分子指纹仍然无法准确反应分子真正的空间结构，例如苯环上基团的邻间对关系，通过深度学习可以促进更多分子指纹表示方法出现。类似NLP中word2vec方法
学习教程拓展：使用图数据（graph
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
