一种基于多任务深度学习模型预测化合物性质的方法

摘要

本发明公开了一种基于多任务深度学习模型预测化合物性质的方法，包括以下步骤：步骤一：收集包含多个任务label的数据集；步骤二：划分数据集；步骤三：选择合适的专家网络提取化合物特征；步骤四：多任务模型结构设计；步骤五：训练模型。本发明与现有技术相比的优点在于：这一架构能够很好地提取分子特征，并且建模任务之间的联系和不同，使模型有很大的灵活性。