В решении используется свёрточный автоэнкодер, его код взят из https://github.com/wengong-jin/hgraph2graph и статьи https://arxiv.org/pdf/2002.03230.pdf, и модель logP из индивидуального этапа
Модель автоэнкодера /polymers/poly_hgraph/ обучалась мной на неразмеченных данных /data/all.txt
Инструкция по препроцессингу данных, обучению проверки модели /polymers/README.md
Предобученные мной веса /data/model30.pt
Код генератора /polymers/generate.py
При первой итерации serch_step список молекул переводится в тензоры и проходит через энкодер для получения векторного представления
При каждой итерации serch_step из списка векторных предсталений молекул берутся 2 рандомных вектора (frm и to) и передаются в функцию sample_new. В ней вычисляются n-2 веторных представлений, лежащих между исходными (/polymers/poly_hgraph/hgnn.py:89):
for t in np.linspace(0., 1., n)[1:-1]:
z.append(frm * (1-t) + to * t)
после чего декодер восстанавливает их до мелекулярных графов и конвертирует в SMILES. Из них отбираются "хорошие" молекулы. На каждой итерации serch_step проходит несколько (5-6) итераций генерации.
Весь код запускался на ОС ubuntu 22, python 3.11, CUDA 12.2, GPU Nvidia RTX3070, Nvidia driver 535
- PyTorch >= 1.0.0
- networkx
- RDKit >= 2019.03
- numpy
- Python >= 3.6
- LightGBM