特許ウォッチ

公開番号2025106517
公報種別公開特許公報(A)
公開日2025-07-15
出願番号2025065692
出願日2025-04-11
発明の名称全原子構造予測モデルのトレーニング方法、装置および電子デバイス
出願人ベイジンバイドゥネットコムサイエンステクノロジーカンパニーリミテッド,Beijing Baidu Netcom Science Technology Co., Ltd.
代理人個人,個人,個人
主分類G16B 15/00 20190101AFI20250708BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】全原子構造予測モデルのトレーニング方法、全原子構造予測方法、トレーニング装置、全原子構造予測装置、電子デバイス、記憶媒体及びコンピュータプログラムを提供する。
【解決手段】方法は、生体分子の構造情報および生体分子の第1の動的軌跡を取得するステップを含む。第1の動的軌跡には異なる時点における生体分子中の原子の位置情報が含まれる。方法はまた、第1の動的軌跡にノイズを追加して、第2の動的軌跡を取得するステップと、構造情報をエンコードして、エンコードされた特徴を取得するステップと、エンコードされた特徴および前記第2の動的軌跡をデコードして、ターゲット動的軌跡を取得するステップと、ターゲット動的軌跡と第1の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するステップと、を含む。
【選択図】図1
特許請求の範囲【請求項１】
全原子構造予測モデルのトレーニング方法であって、
生体分子の構造情報および前記生体分子の第１の動的軌跡を取得するステップであって、前記第１の動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれるステップと、
前記第１の動的軌跡にノイズを追加して、第２の動的軌跡を取得するステップと、
前記構造情報をエンコードして、エンコードされた特徴を取得するステップと、
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するステップと、
前記ターゲット動的軌跡と前記第１の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するステップと、
を含む、全原子構造予測モデルのトレーニング方法。
続きを表示（約 2,500 文字）【請求項２】
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するステップは、
前記第２の動的軌跡を次元削減処理して、第３の動的軌跡を取得するステップと、
前記エンコードされた特徴および前記第３の動的軌跡をデコードして、前記ターゲット動的軌跡を取得するステップと、
を含む、請求項１に記載の全原子構造予測モデルのトレーニング方法。
【請求項３】
前記第３の動的軌跡は複数の第１のサブブロック軌跡を含み、
前記エンコードされた特徴および前記第３の動的軌跡をデコードして、前記ターゲット動的軌跡を取得するステップは、
前記複数の第１のサブブロック軌跡を予め設定された順序でソートして、第１の軌跡シーケンスを取得するステップと、
前記エンコードされた特徴および前記第１の軌跡シーケンスをデコードして、前記ターゲット動的軌跡を取得するステップと、
を含む、請求項２に記載の全原子構造予測モデルのトレーニング方法。
【請求項４】
前記エンコードされた特徴および前記第１の軌跡シーケンスをデコードして、前記ターゲット動的軌跡を取得するステップは、
前記エンコードされた特徴および前記第１の軌跡シーケンスをデコードして、第２の軌跡シーケンスを取得するステップと、
前記第２の軌跡シーケンスにおける複数の第２のサブブロック軌跡を並べ替えて、第４の動的軌跡を取得するステップと、
前記第４の動的軌跡を補間処理して、前記ターゲット動的軌跡を取得するステップと、
を含む、請求項３に記載の全原子構造予測モデルのトレーニング方法。
【請求項５】
前記生体分子の第１の動的軌跡を取得するステップは、
前記生体分子の構造情報に基づいて、前記生体分子間の相互作用エネルギを算出することによって、前記生体分子の複数の静的立体配座を生成するステップと、
前記複数の静的立体配座をシミュレートして、前記生体分子の第１の動的軌跡を捕捉するステップと、
を含む、請求項１に記載の全原子構造予測モデルのトレーニング方法。
【請求項６】
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するステップは、
前記第２の動的軌跡における各原子の位置情報を予め設定された順序でソートして、第３の軌跡シーケンスを取得するステップと、
前記エンコードされた特徴および前記第３の軌跡シーケンスをデコードして、第４の軌跡シーケンスを取得するステップと、
前記第４の軌跡シーケンスにおける原子の位置情報を並べ替えて、前記ターゲット動的軌跡を取得するステップと、
を含む、請求項１に記載の全原子構造予測モデルのトレーニング方法。
【請求項７】
前記ターゲット動的軌跡と前記第１の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するステップは、
前記ターゲット動的軌跡におけるいずれか１つの時点の原子の位置情報と前記第１の動的軌跡における前記いずれか１つの時点の同一の原子の位置情報との差異に基づいて、前記いずれか１つの時点に対応する第１の損失を決定するステップと、
異なる時点に対応する第１の損失に基づいて、第２の損失を取得するステップと、
前記第２の損失に基づいて、前記初期の全原子構造予測モデルをトレーニングして、前記全原子構造予測モデルを取得するステップと、
を含む、請求項１に記載の全原子構造予測モデルのトレーニング方法。
【請求項８】
全原子構造予測方法であって、
生体分子の構造情報を取得するステップと、
全原子構造予測モデルによって、前記構造情報をエンコードして、エンコードされた特徴を取得するステップであって、前記全原子構造予測モデルは、請求項１に記載の全原子構造予測モデルのトレーニング方法を使用してトレーニングすることによって得られるステップと、
前記全原子構造予測モデルによって、前記エンコードされた特徴および動的軌跡ノイズに基づいてデコードして、前記生体分子の動的軌跡を取得するステップであって、前記動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれるステップと、
を含む、全原子構造予測方法。
【請求項９】
全原子構造予測モデルのトレーニング装置であって、
生体分子の構造情報および前記生体分子の第１の動的軌跡を取得するように構成される取得モジュールであって、前記第１の動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれる取得モジュールと、
前記第１の動的軌跡にノイズを追加して、第２の動的軌跡を取得するように構成されるノイズ追加モジュールと、
前記構造情報をエンコードして、エンコードされた特徴を取得するように構成されるエンコードモジュールと、
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するように構成されるデコードモジュールと、
前記ターゲット動的軌跡と前記第１の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するように構成されるトレーニングモジュールと、
を含む、全原子構造予測モデルのトレーニング装置。
【請求項１０】
前記デコードモジュールが、
前記第２の動的軌跡を次元削減処理して、第３の動的軌跡を取得し、
前記エンコードされた特徴および前記第３の動的軌跡をデコードして、前記ターゲット動的軌跡を取得するように構成される、請求項９に記載の全原子構造予測モデルのトレーニング装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本出願は、コンピュータ技術分野に関し、特に、深層学習、バイオコンピューティングなどの人工知能分野に関し、詳しくは、全原子構造予測モデルのトレーニング方法、装置および電子デバイスに関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
人工知能の発展に伴い、人工知能技術を利用して生体分子の全原子構造予測を行うことは、実験手段よりも多くの注目を浴びており、どのように深層学習方法を利用して生体分子の全原子構造的の正確な予測を促進するかは、ますます重要となってきている。
【発明の概要】
【０００３】
本出願は、全原子構造予測モデルのトレーニング方法、装置および電子デバイスを提供する。
【０００４】
本出願の一態様によれば、
生体分子の構造情報および前記生体分子の第１の動的軌跡を取得するステップであって、前記第１の動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれるステップと、
前記第１の動的軌跡にノイズを追加して、第２の動的軌跡を取得するステップと、
前記構造情報をエンコードして、エンコードされた特徴を取得するステップと、
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するステップと、
前記ターゲット動的軌跡と前記第１の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するステップとを含む、全原子構造予測モデルのトレーニング方法が提供される。
【０００５】
本出願の別の態様によれば、
生体分子の構造情報を取得するステップと、
全原子構造予測モデルによって、前記構造情報をエンコードして、エンコードされた特徴を取得するステップであって、前記全原子構造予測モデルは、前述した全原子構造予測モデルのトレーニング方法を用いてトレーニングすることによって得られるステップと、
前記全原子構造予測モデルによって、前記エンコードされた特徴および動的軌跡ノイズに基づいてデコードして、前記生体分子の動的軌跡を取得するステップであって、前記動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれるステップとを含む、全原子構造予測方法が提供される。
【０００６】
本出願の別の態様によれば、
生体分子の構造情報および前記生体分子の第１の動的軌跡を取得するように構成される取得モジュールであって、前記第１の動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれる取得モジュールと、
前記第１の動的軌跡にノイズを追加して、第２の動的軌跡を取得するように構成されるノイズ追加モジュールと、
前記構造情報をエンコードして、エンコードされた特徴を取得するように構成されるエンコードモジュールと、
前記エンコードされた特徴および前記第２の動的軌跡をデコードして、ターゲット動的軌跡を取得するように構成されるデコードモジュールと、
前記ターゲット動的軌跡と前記第１の動的軌跡との差異に基づいて、初期の全原子構造予測モデルをトレーニングして、全原子構造予測モデルを取得するように構成されるトレーニングモジュールとを含む、全原子構造予測モデルのトレーニング装置が提供される。
【０００７】
本出願の別の態様によれば、
生体分子の構造情報を取得するように構成される取得モジュールと、
前記構造情報を全原子構造予測モデルに入力し、前記構造情報をエンコードして、エンコードされた特徴を取得するように構成されるエンコードモジュールであって、前記全原子構造予測モデルは、前述した全原子構造予測モデルのトレーニング装置を用いてトレーニングすることによって得られるステップと、
前記全原子構造予測モデルによって、前記エンコードされた特徴および動的軌跡ノイズに基づいてデコードして、前記生体分子の動的軌跡を取得するように構成されるデコードモジュールであって、前記動的軌跡には異なる時点における前記生体分子中の原子の位置情報が含まれるデコードモジュールとを含む、全原子構造予測装置が提供される。
【０００８】
本出願の別の態様によれば、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに通信可能に接続されるメモリとを含み、
前記メモリには前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行されることにより、前記少なくとも１つのプロセッサが上記実施例に記載の方法を実行できる、電子デバイスが提供される。
【０００９】
本出願の別の態様によれば、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、前記コンピュータ命令は、上記実施例に記載の方法を前記コンピュータに実行させる、非一時的なコンピュータ読み取り可能な記憶媒体が提供される。
【００１０】
本出願の別の態様によれば、コンピュータプログラムであって、前記コンピュータプログラムがプロセッサによって実行される場合、上記実施例に記載の方法のステップが実現される、コンピュータプログラムが提供される。
（【００１１】以降は省略されています）

関連特許