自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

使用Pytorch構(gòu)建圖卷積網(wǎng)絡(luò)預(yù)測(cè)化學(xué)分子性質(zhì)

開(kāi)發(fā)
在本文中,我們將通過(guò)化學(xué)的視角探索圖卷積網(wǎng)絡(luò),我們將嘗試將網(wǎng)絡(luò)的特征與自然科學(xué)中的傳統(tǒng)模型進(jìn)行比較,并思考為什么它的工作效果要比傳統(tǒng)的方法好。

在本文中,我們將通過(guò)化學(xué)的視角探索圖卷積網(wǎng)絡(luò),我們將嘗試將網(wǎng)絡(luò)的特征與自然科學(xué)中的傳統(tǒng)模型進(jìn)行比較,并思考為什么它的工作效果要比傳統(tǒng)的方法好。

圖和圖神經(jīng)網(wǎng)絡(luò)

化學(xué)或物理中的模型通常是一個(gè)連續(xù)函數(shù),例如y=f(x?,x?,x?,…,x),其中x?,x?,x?,…,x是輸入,y是輸出。這種模型的一個(gè)例子是確定兩個(gè)點(diǎn)電荷q 1和q 2之間的靜電相互作用(或力)的方程,它們之間的距離r存在于具有相對(duì)介電常數(shù)ε?的介質(zhì)中,通常稱為庫(kù)侖定律。

如果我們不知道這種關(guān)系,我們只有多個(gè)數(shù)據(jù)點(diǎn),每個(gè)數(shù)據(jù)點(diǎn)都包括點(diǎn)電荷(輸出)和相應(yīng)的輸入之間的相互作用,那么可以擬合人工神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)在具有指定介電常數(shù)的介質(zhì)中任何給定分離的任何給定點(diǎn)電荷的相互作用,因?yàn)闉槲锢韱?wèn)題創(chuàng)建數(shù)據(jù)驅(qū)動(dòng)模型相對(duì)簡(jiǎn)單。

但是考慮從分子結(jié)構(gòu)預(yù)測(cè)某一特定性質(zhì)的問(wèn)題,比如在水中的溶解度。沒(méi)有一組明顯的輸入來(lái)描述一個(gè)分子,雖然可以使用各種特性,例如鍵長(zhǎng)、鍵角、不同類型元素的數(shù)量、環(huán)的數(shù)量等等。但是并不能保證任何這樣的任意集合一定能很好地適用于所有分子。

另外與點(diǎn)電荷的例子不同,輸入不一定駐留在連續(xù)空間中。例如,我們可以把甲醇、乙醇和丙醇想象成一組鏈長(zhǎng)不斷增加的分子;鏈長(zhǎng)是一個(gè)離散的參數(shù),沒(méi)有辦法在甲醇和乙醇之間插入來(lái)得到其他分子。具有連續(xù)的輸入空間對(duì)于計(jì)算模型的導(dǎo)數(shù)是必不可少的,然后可以用于所選屬性的優(yōu)化。

為了克服這些問(wèn)題人們提出了各種分子編碼方法。其中一種方法是使用SMILES和SELFIES等進(jìn)行文本表示。關(guān)于這種表示有大量的文獻(xiàn),有興趣的話可以搜索閱讀。第二種方法是用圖形表示分子。雖然每種方法都有其優(yōu)點(diǎn)和缺點(diǎn),但圖形表示對(duì)化學(xué)來(lái)說(shuō)更直觀。

圖是一種數(shù)學(xué)結(jié)構(gòu),由表示節(jié)點(diǎn)之間關(guān)系的邊連接的節(jié)點(diǎn)組成。分子自然適應(yīng)這種結(jié)構(gòu)——原子成為節(jié)點(diǎn),化學(xué)鍵成為邊緣。圖中的每個(gè)節(jié)點(diǎn)都由一個(gè)向量表示,該向量編碼相應(yīng)原子的屬性。通常,獨(dú)熱編碼模式就足夠了(下一節(jié)將對(duì)此進(jìn)行詳細(xì)介紹)。這些向量可以堆疊以創(chuàng)建節(jié)點(diǎn)矩陣。節(jié)點(diǎn)之間的關(guān)系——用邊表示——可以通過(guò)一個(gè)方形鄰接矩陣來(lái)描述,其中每個(gè)元素a′′?要么是1,要么是0,這取決于兩個(gè)節(jié)點(diǎn)i和j是否分別由邊連接。對(duì)角線元素設(shè)置為1,表示自連接,這使得矩陣可以進(jìn)行卷積。這些節(jié)點(diǎn)和鄰接矩陣將作為我們模型的輸入。

神經(jīng)網(wǎng)絡(luò)模型接受一維輸入向量。對(duì)于多維輸入,例如圖像則使用一類稱為卷積神經(jīng)網(wǎng)絡(luò)的模型。在我們的例子中,也是二維矩陣作為輸入。圖神經(jīng)網(wǎng)絡(luò)被開(kāi)發(fā)用于操作這樣的節(jié)點(diǎn)和鄰接矩陣,將它們轉(zhuǎn)換成合適的一維向量,然后可以通過(guò)普通人工神經(jīng)網(wǎng)絡(luò)的隱藏層來(lái)生成輸出。有許多類型的圖神經(jīng)網(wǎng)絡(luò),如圖卷積網(wǎng)絡(luò)、消息傳遞網(wǎng)絡(luò)、圖注意網(wǎng)絡(luò)等,它們的主要區(qū)別在于在圖中的節(jié)點(diǎn)和邊之間交換信息的方法不同。由于圖卷積網(wǎng)絡(luò)相對(duì)簡(jiǎn)單,我們將仔細(xì)研究它。

圖卷積和池化層

輸入的初始狀態(tài),節(jié)點(diǎn)矩陣表示每行中每個(gè)原子的獨(dú)熱編碼,其中原子序數(shù)為n的原子在第n個(gè)索引處為1,在其他地方為0。鄰接矩陣表示節(jié)點(diǎn)之間的連接。在當(dāng)前狀態(tài)下,節(jié)點(diǎn)矩陣不能作為人工神經(jīng)網(wǎng)絡(luò)的輸入,因?yàn)?(1)它是二維的,(2)它不是置換不變的,(3)它不是唯一的。在這種情況下,排列不變性意味著無(wú)論你如何排列節(jié)點(diǎn),輸入都應(yīng)該保持不變;同一分子可以由同一節(jié)點(diǎn)矩陣的多個(gè)排列表示(假設(shè)鄰接矩陣中也有適當(dāng)?shù)呐帕?。

對(duì)于前兩個(gè)問(wèn)題,有一個(gè)簡(jiǎn)單的解決方案——池化。如果節(jié)點(diǎn)矩陣沿著列維度池化,那么它將被簡(jiǎn)化為一個(gè)排列不變的一維向量。通常,這種池化是一個(gè)簡(jiǎn)單的均值池化,這意味著最終的池化向量包含節(jié)點(diǎn)矩陣中每列的均值。但是池化兩個(gè)異構(gòu)體的節(jié)點(diǎn)矩陣,如正戊烷和新戊烷,將產(chǎn)生相同的池化向量,也就是說(shuō)解決第三個(gè)問(wèn)題還需要其他的方法。

為了使最終的池化向量唯一,需要在節(jié)點(diǎn)矩陣中合并一些鄰居信息。對(duì)于同分異構(gòu)體,雖然它們的化學(xué)式相同,但它們的結(jié)構(gòu)卻不同。合并鄰居信息的一種簡(jiǎn)單方法是對(duì)每個(gè)節(jié)點(diǎn)及其鄰居執(zhí)行一些操作,例如求和。這可以表示為節(jié)點(diǎn)和鄰接矩陣的乘法:鄰接矩陣乘以節(jié)點(diǎn)矩陣產(chǎn)生一個(gè)更新的節(jié)點(diǎn)矩陣,每個(gè)節(jié)點(diǎn)向量等于它的鄰居節(jié)點(diǎn)向量與它自己的和,這個(gè)和通過(guò)預(yù)乘以對(duì)角度矩陣的逆,通過(guò)每個(gè)節(jié)點(diǎn)的度(或鄰居的數(shù)量)進(jìn)行歸一化,使其成為鄰居的平均值。最后這個(gè)乘積后乘一個(gè)權(quán)重矩陣,整個(gè)操作稱為圖卷積。下圖顯示了一個(gè)直觀而簡(jiǎn)單的圖卷積形式

Thomas Kipf和Max Welling的工作提供了一個(gè)數(shù)學(xué)上更嚴(yán)格和數(shù)值上更穩(wěn)定的形式,使用鄰接矩陣的修改歸一化。卷積和池化操作的組合也可以被解釋為經(jīng)驗(yàn)群體貢獻(xiàn)方法的非線性形式。

圖卷積網(wǎng)絡(luò)的最終結(jié)構(gòu)如下:首先計(jì)算給定分子的節(jié)點(diǎn)矩陣和鄰接矩陣,然后池化以產(chǎn)生包含有關(guān)分子的所有信息的單個(gè)向量。通過(guò)標(biāo)準(zhǔn)人工神經(jīng)網(wǎng)絡(luò)的隱藏層來(lái)產(chǎn)生輸出。隱藏層、池化層和卷積層的權(quán)重通過(guò)應(yīng)用于基于回歸的損失函數(shù)(如均方損失)的反向傳播同時(shí)確定。

Pytorch代碼實(shí)現(xiàn)

上面我們討論了圖卷積網(wǎng)絡(luò)相關(guān)的所有關(guān)鍵思想,下面開(kāi)始使用PyTorch進(jìn)行簡(jiǎn)單的實(shí)現(xiàn)。雖然有一個(gè)靈活的、高性能的gnn框架PyTorch Geometric,但我們不會(huì)使用它,因?yàn)槲覀兊哪繕?biāo)是深入我們的理解。

1、使用RDKit創(chuàng)建圖

RDKit是一個(gè)化學(xué)信息學(xué)庫(kù),允許高通量訪問(wèn)小分子的特性。我們將需要它完成兩個(gè)任務(wù)——將分子中每個(gè)原子的原子序數(shù)變?yōu)?——對(duì)節(jié)點(diǎn)矩陣進(jìn)行編碼并獲得鄰接矩陣。我們假設(shè)分子是根據(jù)它們的SMILES字符串提供的(這對(duì)于大多數(shù)化學(xué)信息學(xué)數(shù)據(jù)都是正確的)。為了確保節(jié)點(diǎn)矩陣和鄰接矩陣的大小在所有分子中都是一致的(這在默認(rèn)情況下是不可能的,因?yàn)閮烧叩拇笮《既Q于分子中的原子數(shù)量)我們用0填充矩陣。

除此以外我們將對(duì)上面提出的卷積進(jìn)行一個(gè)小的修改——將鄰接矩陣中的“1”替換為相應(yīng)鍵長(zhǎng)的倒數(shù)。通過(guò)這種方式,網(wǎng)絡(luò)將獲得更多關(guān)于分子幾何形狀的信息,并且它還將根據(jù)相鄰鍵的長(zhǎng)度對(duì)每個(gè)節(jié)點(diǎn)周圍的卷積進(jìn)行加權(quán)。

class Graph:
    def __init__(
        self, molecule_smiles: str,
        node_vec_len: int,
        max_atoms: int = None
      ):
        # Store properties
        self.smiles = molecule_smiles
        self.node_vec_len = node_vec_len
        self.max_atoms = max_atoms
 
        # Call helper function to convert SMILES to RDKit mol
        self.smiles_to_mol()
 
        # If valid mol is created, generate a graph of the mol
        if self.mol is not None:
            self.smiles_to_graph()
 
    def smiles_to_mol(self):
        # Use MolFromSmiles from RDKit to get molecule object
        mol = Chem.MolFromSmiles(self.smiles)
         
        # If a valid mol is not returned, set mol as None and exit
        if mol is None:
            self.mol = None
            return
 
        # Add hydrogens to molecule
        self.mol = Chem.AddHs(mol)
 
    def smiles_to_graph(self):
        # Get list of atoms in molecule
        atoms = self.mol.GetAtoms()
 
        # If max_atoms is not provided, max_atoms is equal to maximum number 
        # of atoms in this molecule. 
        if self.max_atoms is None:
            n_atoms = len(list(atoms))
        else:
            n_atoms = self.max_atoms
 
        # Create empty node matrix
        node_mat = np.zeros((n_atoms, self.node_vec_len))
 
        # Iterate over atoms and add to node matrix
        for atom in atoms:
            # Get atom index and atomic number
            atom_index = atom.GetIdx()
            atom_no = atom.GetAtomicNum()
 
            # Assign to node matrix
            node_mat[atom_index, atom_no] = 1
 
        # Get adjacency matrix using RDKit
        adj_mat = rdmolops.GetAdjacencyMatrix(self.mol)
        self.std_adj_mat = np.copy(adj_mat)
 
        # Get distance matrix using RDKit
        dist_mat = molDG.GetMoleculeBoundsMatrix(self.mol)
        dist_mat[dist_mat == 0.] = 1
 
        # Get modified adjacency matrix with inverse bond lengths
        adj_mat = adj_mat * (1 / dist_mat)
 
        # Pad the adjacency matrix with 0s
        dim_add = n_atoms - adj_mat.shape[0]
        adj_mat = np.pad(
            adj_mat, pad_width=((0, dim_add), (0, dim_add)), mode="constant"
        )
 
        # Add an identity matrix to adjacency matrix
        # This will make an atom its own neighbor
        adj_mat = adj_mat + np.eye(n_atoms)
 
        # Save both matrices
        self.node_mat = node_mat
        self.adj_mat = adj_mat

2、在生成Dataset

PyTorch提供了一個(gè)方便的Dataset類來(lái)存儲(chǔ)和訪問(wèn)各種數(shù)據(jù)。我們將用它來(lái)獲取節(jié)點(diǎn)和鄰接矩陣以及每個(gè)分子的輸出。

class GraphData(Dataset):
    def __init__(self, dataset_path: str, node_vec_len: int, max_atoms: int):
        # Save attributes
        self.node_vec_len = node_vec_len
        self.max_atoms = max_atoms
 
        # Open dataset file
        df = pd.read_csv(dataset_path)
 
        # Create lists
        self.indices = df.index.to_list()
        self.smiles = df["smiles"].to_list()
        self.outputs = df["measured log solubility in mols per litre"].to_list()
 
    def __len__(self):
        return len(self.indices)
 
    def __getitem__(self, i: int):
        # Get smile
        smile = self.smiles[i]
 
        # Create MolGraph object using the Graph abstraction
        mol = Graph(smile, self.node_vec_len, self.max_atoms)
 
        # Get node and adjacency matrices
        node_mat = torch.Tensor(mol.node_mat)
        adj_mat = torch.Tensor(mol.adj_mat)
 
        # Get output
        output = torch.Tensor([self.outputs[i]])
 
        return (node_mat, adj_mat), output, smile

除此以外,我們還需要自定義collate函數(shù),來(lái)使得dataset可以進(jìn)行批處理,也就是說(shuō)把單一的dataset合并成一個(gè)batch

def collate_graph_dataset(dataset: Dataset):
    # Create empty lists of node and adjacency matrices, outputs, and smiles
    node_mats = []
    adj_mats = []
    outputs = []
    smiles = []
     
    # Iterate over list and assign each component to the correct list
    for i in range(len(dataset)):
        (node_mat,adj_mat), output, smile = dataset[i]
        node_mats.append(node_mat)
        adj_mats.append(adj_mat)
        outputs.append(output)
        smiles.append(smile)
     
         
    # Create tensors
    node_mats_tensor = torch.cat(node_mats, dim=0)
    adj_mats_tensor = torch.cat(adj_mats, dim=0)
    outputs_tensor = torch.stack(outputs, dim=0)
     
    # Return tensors
    return (node_mats_tensor, adj_mats_tensor), outputs_tensor, smiles

3、圖卷積網(wǎng)絡(luò)

在完成了數(shù)據(jù)處理之后現(xiàn)在可以構(gòu)建模型了,這里為了學(xué)習(xí)將構(gòu)建自己的卷積層和池化層,但如果在實(shí)際使用時(shí)可以直接使用PyTorch Geometric模塊。卷積層基本上做三件事-(1)計(jì)算鄰接矩陣的反對(duì)角度矩陣,(2)四個(gè)矩陣的乘法(D?1ANW),(3)對(duì)層輸出應(yīng)用非線性激活函數(shù)。與其他PyTorch類一樣,我們將繼承Module基類。

class ConvolutionLayer(nn.Module):
    def __init__(self, node_in_len: int, node_out_len: int):
        # Call constructor of base class
        super().__init__()
 
        # Create linear layer for node matrix
        self.conv_linear = nn.Linear(node_in_len, node_out_len)
 
        # Create activation function
        self.conv_activation = nn.LeakyReLU()
 
    def forward(self, node_mat, adj_mat):
        # Calculate number of neighbors
        n_neighbors = adj_mat.sum(dim=-1, keepdims=True)
        # Create identity tensor
        self.idx_mat = torch.eye(
            adj_mat.shape[-2], adj_mat.shape[-1], device=n_neighbors.device
        )
        # Add new (batch) dimension and expand
        idx_mat = self.idx_mat.unsqueeze(0).expand(*adj_mat.shape)
        # Get inverse degree matrix
        inv_degree_mat = torch.mul(idx_mat, 1 / n_neighbors)
 
        # Perform matrix multiplication: D^(-1)AN
        node_fea = torch.bmm(inv_degree_mat, adj_mat)
        node_fea = torch.bmm(node_fea, node_mat)
 
        # Perform linear transformation to node features 
        # (multiplication with W)
        node_fea = self.conv_linear(node_fea)
 
        # Apply activation
        node_fea = self.conv_activation(node_fea)
 
        return node_fea

接下來(lái),讓我們構(gòu)造只執(zhí)行一個(gè)操作,即沿第二維(節(jié)點(diǎn)數(shù))取平均值的PoolingLayer層。

class PoolingLayer(nn.Module):
    def __init__(self):
        # Call constructor of base class
        super().__init__()
 
    def forward(self, node_fea):
        # Pool the node matrix
        pooled_node_fea = node_fea.mean(dim=1)
        return pooled_node_fea

最后就是創(chuàng)建包含卷積層、池化層和隱藏層的ChemGCN類。我們將對(duì)所有的層輸出應(yīng)用LeakyReLU激活函數(shù),還將使用dropout來(lái)最小化過(guò)擬合。

class ChemGCN(nn.Module):
    def __init__(
        self,
        node_vec_len: int,
        node_fea_len: int,
        hidden_fea_len: int,
        n_conv: int,
        n_hidden: int,
        n_outputs: int,
        p_dropout: float = 0.0,
    ):
        # Call constructor of base class
        super().__init__()
 
        # Define layers
        # Initial transformation from node matrix to node features
        self.init_transform = nn.Linear(node_vec_len, node_fea_len)
 
        # Convolution layers
        self.conv_layers = nn.ModuleList(
            [
                ConvolutionLayer(
                    node_in_len=node_fea_len,
                    node_out_len=node_fea_len,
                )
                for i in range(n_conv)
            ]
        )
 
        # Pool convolution outputs
        self.pooling = PoolingLayer()
        pooled_node_fea_len = node_fea_len
 
        # Pooling activation
        self.pooling_activation = nn.LeakyReLU()
 
        # From pooled vector to hidden layers
        self.pooled_to_hidden = nn.Linear(pooled_node_fea_len, hidden_fea_len)
 
        # Hidden layer
        self.hidden_layer = nn.Linear(hidden_fea_len, hidden_fea_len)
 
        # Hidden layer activation function
        self.hidden_activation = nn.LeakyReLU()
 
        # Hidden layer dropout
        self.dropout = nn.Dropout(p=p_dropout)
 
        # If hidden layers more than 1, add more hidden layers
        self.n_hidden = n_hidden
        if self.n_hidden > 1:
            self.hidden_layers = nn.ModuleList(
                [self.hidden_layer for _ in range(n_hidden - 1)]
            )
            self.hidden_activation_layers = nn.ModuleList(
                [self.hidden_activation for _ in range(n_hidden - 1)]
            )
            self.hidden_dropout_layers = nn.ModuleList(
                [self.dropout for _ in range(n_hidden - 1)]
            )
 
        # Final layer going to the output
        self.hidden_to_output = nn.Linear(hidden_fea_len, n_outputs)
 
    def forward(self, node_mat, adj_mat):
        # Perform initial transform on node_mat
        node_fea = self.init_transform(node_mat)
 
        # Perform convolutions
        for conv in self.conv_layers:
            node_fea = conv(node_fea, adj_mat)
 
        # Perform pooling
        pooled_node_fea = self.pooling(node_fea)
        pooled_node_fea = self.pooling_activation(pooled_node_fea)
 
        # First hidden layer
        hidden_node_fea = self.pooled_to_hidden(pooled_node_fea)
        hidden_node_fea = self.hidden_activation(hidden_node_fea)
        hidden_node_fea = self.dropout(hidden_node_fea)
 
        # Subsequent hidden layers
        if self.n_hidden > 1:
            for i in range(self.n_hidden - 1):
                hidden_node_fea = self.hidden_layers[i](hidden_node_fea)
                hidden_node_fea = self.hidden_activation_layers[i](hidden_node_fea)
                hidden_node_fea = self.hidden_dropout_layers[i](hidden_node_fea)
 
        # Output
        out = self.hidden_to_output(hidden_node_fea)
 
        return out

4、訓(xùn)練

最后就是編寫(xiě)輔助函數(shù)來(lái)訓(xùn)練和測(cè)試我們的模型,并編寫(xiě)腳本來(lái)運(yùn)行一個(gè)制作圖形、構(gòu)建網(wǎng)絡(luò)和訓(xùn)練模型的工作流。

首先,我們將定義一個(gè)標(biāo)準(zhǔn)化類來(lái)標(biāo)準(zhǔn)化輸出,這有助于快速收斂

class Standardizer:
    def __init__(self, X):
        self.mean = torch.mean(X)
        self.std = torch.std(X)
 
    def standardize(self, X):
        Z = (X - self.mean) / (self.std)
        return Z
 
    def restore(self, Z):
        X = self.mean + Z * self.std
        return X
 
    def state(self):
        return {"mean": self.mean, "std": self.std}
 
    def load(self, state):
        self.mean = state["mean"]
        self.std = state["std"]

然后就是我們的訓(xùn)練過(guò)程:

def train_model(
    epoch,
    model,
    training_dataloader,
    optimizer,
    loss_fn,
    standardizer,
    use_GPU,
    max_atoms,
    node_vec_len,
 ):
    # Create variables to store losses and error
    avg_loss = 0
    avg_mae = 0
    count = 0
 
    # Switch model to train mode
    model.train()
 
    # Go over each batch in the dataloader
    for i, dataset in enumerate(training_dataloader):
        # Unpack data
        node_mat = dataset[0][0]
        adj_mat = dataset[0][1]
        output = dataset[1]
 
        # Reshape inputs
        first_dim = int((torch.numel(node_mat)) / (max_atoms * node_vec_len))
        node_mat = node_mat.reshape(first_dim, max_atoms, node_vec_len)
        adj_mat = adj_mat.reshape(first_dim, max_atoms, max_atoms)
 
        # Standardize output
        output_std = standardizer.standardize(output)
 
        # Package inputs and outputs; check if GPU is enabled
        if use_GPU:
            nn_input = (node_mat.cuda(), adj_mat.cuda())
            nn_output = output_std.cuda()
        else:
            nn_input = (node_mat, adj_mat)
            nn_output = output_std
 
        # Compute output from network
        nn_prediction = model(*nn_input)
 
        # Calculate loss
        loss = loss_fn(nn_output, nn_prediction)
        avg_loss += loss
 
        # Calculate MAE
        prediction = standardizer.restore(nn_prediction.detach().cpu())
        mae = mean_absolute_error(output, prediction)
        avg_mae += mae
 
        # Set zero gradients for all tensors
        optimizer.zero_grad()
 
        # Do backward prop
        loss.backward()
 
        # Update optimizer parameters
        optimizer.step()
 
        # Increase count
        count += 1
 
    # Calculate avg loss and MAE
    avg_loss = avg_loss / count
    avg_mae = avg_mae / count
 
    # Print stats
    print(
        "Epoch: [{0}]\tTraining Loss: [{1:.2f}]\tTraining MAE: [{2:.2f}]"\
            .format(
                    epoch, avg_loss, avg_mae
            )
    )
 
    # Return loss and MAE
    return avg_loss, avg_mae

最后,這個(gè)腳本將調(diào)用上面定義的所有內(nèi)容。

#### Fix seeds
 np.random.seed(0)
 torch.manual_seed(0)
 use_GPU = torch.cuda.is_available()
 
 #### Inputs
 max_atoms = 200
 node_vec_len = 60
 train_size = 0.7
 batch_size = 32
 hidden_nodes = 60
 n_conv_layers = 4
 n_hidden_layers = 2
 learning_rate = 0.01
 n_epochs = 50
 
 #### Start by creating dataset
 main_path = Path(__file__).resolve().parent
 data_path = main_path / "data" / "solubility_data.csv"
 dataset = GraphData(dataset_path=data_path, max_atoms=max_atoms, 
                        node_vec_len=node_vec_len)
 
 #### Split data into training and test sets
 # Get train and test sizes
 dataset_indices = np.arange(0, len(dataset), 1)
 train_size = int(np.round(train_size * len(dataset)))
 test_size = len(dataset) - train_size
 
 # Randomly sample train and test indices
 train_indices = np.random.choice(dataset_indices, size=train_size, 
                                                            replace=False)
 test_indices = np.array(list(set(dataset_indices) - set(train_indices)))
 
 # Create dataoaders
 train_sampler = SubsetRandomSampler(train_indices)
 test_sampler = SubsetRandomSampler(test_indices)
 train_loader = DataLoader(dataset, batch_size=batch_size, 
                          sampler=train_sampler, 
                          collate_fn=collate_graph_dataset)
 test_loader = DataLoader(dataset, batch_size=batch_size, 
                          sampler=test_sampler,
                          collate_fn=collate_graph_dataset)
 
 #### Initialize model, standardizer, optimizer, and loss function
 # Model
 model = ChemGCN(node_vec_len=node_vec_len, node_fea_len=hidden_nodes,
                hidden_fea_len=hidden_nodes, n_cnotallow=n_conv_layers, 
                n_hidden=n_hidden_layers, n_outputs=1, p_dropout=0.1)
 # Transfer to GPU if needed
 if use_GPU:
    model.cuda()
 
 # Standardizer
 outputs = [dataset[i][1] for i in range(len(dataset))]
 standardizer = Standardizer(torch.Tensor(outputs))
 
 # Optimizer
 optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)
 
 # Loss function
 loss_fn = torch.nn.MSELoss()
 
 #### Train the model
 loss = []
 mae = []
 epoch = []
 for i in range(n_epochs):
    epoch_loss, epoch_mae = train_model(
        i,
        model,
        train_loader,
        optimizer,
        loss_fn,
        standardizer,
        use_GPU,
        max_atoms,
        node_vec_len,
    )
    loss.append(epoch_loss)
    mae.append(epoch_mae)
    epoch.append(i)
 
 #### Test the model
 # Call test model function
 test_loss, test_mae = test_model(model, test_loader, loss_fn, standardizer,
                                  use_GPU, max_atoms, node_vec_len)
 
 #### Print final results
 print(f"Training Loss: {loss[-1]:.2f}")
 print(f"Training MAE: {mae[-1]:.2f}")
 print(f"Test Loss: {test_loss:.2f}")
 print(f"Test MAE: {test_mae:.2f}")

結(jié)果

我們?cè)陂_(kāi)源DeepChem存儲(chǔ)庫(kù)的溶解度數(shù)據(jù)集上進(jìn)行訓(xùn)練,該存儲(chǔ)庫(kù)包含約1000個(gè)小分子的水溶性。下圖顯示了一個(gè)特定訓(xùn)練-測(cè)試分層的測(cè)試集的訓(xùn)練損失曲線圖。訓(xùn)練集和測(cè)試集的平均絕對(duì)誤差分別為0.59和0.58 (log mol/l),低于線性模型的0.69 log mol/l(基于數(shù)據(jù)集中的預(yù)測(cè))。可以看到神經(jīng)網(wǎng)絡(luò)比線性回歸模型表現(xiàn)得更好;這種比較雖然粗略,但是我們的模型所做的預(yù)測(cè)是合理的。

總結(jié)

我們通過(guò)一個(gè)簡(jiǎn)單的化學(xué)問(wèn)題介紹了圖卷積網(wǎng)絡(luò)的基本原理,實(shí)現(xiàn)了自己的網(wǎng)絡(luò),并且對(duì)比基類模型,證明了我們模型的有效性,這是我們學(xué)習(xí)GCN的第一步。

本文完整的代碼在GitHub地址如下:

https://github.com/gauravsdeshmukh/ChemGCN

數(shù)據(jù)集:

https://github.com/deepchem/deepchem

責(zé)任編輯:華軒 來(lái)源: DeepHub IMBA
相關(guān)推薦

2017-05-03 19:08:10

機(jī)器學(xué)習(xí)

2020-09-23 14:52:01

GCN神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)

2024-09-11 14:48:00

2020-05-28 10:45:36

機(jī)器學(xué)習(xí)人工智能 PyTorch

2023-10-20 16:14:43

2018-08-27 17:05:48

tensorflow神經(jīng)網(wǎng)絡(luò)圖像處理

2023-07-11 15:43:31

模型分子

2022-06-06 15:41:51

加密貨幣安全勒索軟件

2019-06-03 13:10:30

神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)人工智能

2019-02-21 09:13:31

圖卷積網(wǎng)絡(luò)Numpy神經(jīng)網(wǎng)絡(luò)

2024-11-19 13:17:38

視覺(jué)語(yǔ)言模型Pytorch人工智能

2020-09-18 11:40:44

神經(jīng)網(wǎng)絡(luò)人工智能PyTorch

2021-12-13 09:40:48

AI 數(shù)據(jù)人工智能

2022-07-28 09:00:00

深度學(xué)習(xí)網(wǎng)絡(luò)類型架構(gòu)

2010-07-30 15:20:17

2022-02-07 16:11:39

自動(dòng)駕駛汽車安全

2017-04-26 09:30:53

卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)

2024-11-05 16:19:55

2018-08-22 11:36:24

華為云

2024-03-08 12:17:39

網(wǎng)絡(luò)爬蟲(chóng)Python開(kāi)發(fā)
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)