VIP20
本课程属于：020-SMILES分子生成建模 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

SMILES生成模型训练到部署案例

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
SMILES简介
SMILES表示法的规则与语法 · 常见分子SMILES示例
SMILES简介
02
分子数据获取
公共数据库（ChEMBL · ZINC · PubChem）下载与解析
分子数据获取ChEMBL
03
数据预处理
SMILES标准化 · 去除盐类 · 去除重复
数据预处理SMILES
04
分子描述符与分子指纹
基本概念 · 用于辅助模型评估
分子描述符分子指纹
05
深度学习环境搭建
PyTorch/TensorFlow · CUDA · RDKit安装配置
深度学习环境搭建PyTorch/Tens…
06
简单的RNN语言模型
字符级RNN生成SMILES的基础原…
RNN简单的
07
RNN模型实现
使用PyTorch搭建字符级RNN生…
RNN模型实现
08
训练RNN
数据Loader构建 · 损失函数 · 训练循环
RNN训练
09
从RNN采样分子
温度采样 · top-k采样 · 贪婪解码
RNN采样分子
10
评估生成分子
有效性 · 唯一性 · 新颖性
评估生成分子有效性
11
LSTM改进模型
LSTM优于RNN的原因及实现
LSTM改进模型
12
Transformer生成模型
注意力机制详解 · 用于SMILES生成
Transformer生成模型
13
Transformer实现
使用PyTorch实现简化Trans…
Transformer实现
14
Transformer训练技巧
学习率调度 · 梯度裁剪 · 标签平滑
Transformer训练技巧
15
变分自编码器（VAE）基础
编码器解码器结构 · 重参数化技巧
VAE变分自编码器
16
VAE实现与训练
基于SMILES的VAE模型搭建
VAE实现
17
VAE分子属性预测与优化
在潜空间中进行属性优化（多目标）
VAE分子属性预测
18
对抗生成网络（GAN）用于分子生成
原理及实现难点
GAN对抗生成网络
19
强化学习在分子生成中的应用
使用RL优化分子属性（如REINVE…
强化学习分子生成
20
扩散模型（Diffusion）基础与分子生成
最新进展概述
Diffusion扩散模型
21
模型评估指标详解
QED · SA · logP
模型评估指标详解QED
22
分子生成模型对比实验
RNN vs LSTM vs Tra…
分子生成模型对比…RNN
23
模型保存与加载
Checkpoint · ONNX导出 · 模型量化
模型保存加载
24
模型推理优化
批量推理 · GPU加速 · 半精度推理
模型推理优化批量推理
25
构建REST API服务
使用Flask/FastAPI部署生…
RESTAPI
26
Web前端交互式分子生成
简单HTML/JS页面调用API
Web前端交互式分子生…
27
Docker化部署
编写Dockerfile · 容器化服务
Docker化部署
28
云端部署
AWS/GCP/阿里云部署方案与成本…
云端部署AWS/GCP
29
生成分子的后处理
SMILES验证 · 去重 · 可视化
生成分子的后处理SMILES
30
课程总结与拓展
未来方向（蛋白质配体生成 · 逆合成预测 · 多模态）
课程总结拓展