3DSBDD中的Context Encoder、Spatial Classifier是怎么实现的？
🕗 发布于 2024-01-29 23:57 深度学习
Context Encoder：
这是MPNN中每个原子怎么得到context信息的过程，它和GCN的计算基本一致：将自己的信息 + 周围节点的信息 * 权重w(dij)
在上面的公式中：
即通过学习边的权重（这里是通过 w(dij) 函数体现的）和聚合邻居节点的信息来更新每个节点的嵌入。这个过程反复迭代，从而在每个节点的嵌入中编码其在图中的结构位置和邻域的信息。
Context Encoder:
-
第一步是使用线性层将原子属性ai 映射到初始嵌入 {hi(0)}。这一步是将原子的特性（如原子类型、电荷等）转换为数值向量形式，以便能够进行数学处理。
-
第二步是将这些嵌入通过 L 次消息传递层处理，生成新的嵌入。公式 (1) 显示了消息传递的具体计算方式，它通过整合节点 i 的邻居节点 j 的信息来更新节点 i 的嵌入。 w(dij) 是一个权重网络，它根据节点间的距离来计算消息的权重，确保了消息的权重对旋转和平移是不变的，这对于化学结构来说是非常重要的，因为化学性质通常与分子的绝对位置无关。
Spatial Classifier：
Spatial Classifier:
-
第2步是聚合目标位置 r 的 k-最近邻原子嵌入，得到特征向量 v，如公式 (2) 所示。这一步是为了捕捉目标位置周围的上下文信息，这对于预测 r 被某种类型的原子占据的概率至关重要。
-
第3步是将聚合的特征 v 传递给一个多层感知器（MLP）分类器，得到化学元素的非归一化概率 c，如公式 (3) 所示。多层感知器在这里充当一个分类器，将聚合特征映射为概率分布。
-
第4步是应用softmax激活函数来计算具体元素 e 占据位置 r 的概率，如公式 (4) 所示。这一步将非归一化的分数转换为概率，使得所有可能的化学元素的概率总和为1。
-
第5步是计算“无元素”占据位置 r 的概率，如公式 (5) 所示。这一步为模型增加了一个额外的自由度，允许模型预测某个位置没有被任何原子占据的概率。
【NeurIPS 2021】3DSBDD + A 3D Generative Model for Structure-Based Drug Design
原文地址：https://blog.csdn.net/weixin_43135178/article/details/135916118
免责声明：本站文章内容转载自网络资源，如侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！
-
[java] java基础-字符串篇
public StringJoiner(间隔符号,开始符号,结束符号)：创建一个StringJoiner对象，指定拼接时的间隔符号，开始符号，结束符号。指JDK中提供的各种功能的Java类，这些类将底
阅读更多2025-01-24
-
【C++笔记】哈希表底层实现的深度剖析
哈喽，各位小伙伴大家好!上期我们讲了使用红黑树封装map和set。今天我们来讲一下哈希表底层实现的深度剖析。话不多说，我们进入正题！向大厂冲锋unordered_set的声明如下，Key就是unord
阅读更多2025-01-24
-
板球背后的数据魔法：如何用数据分析提升印度板球比赛策略
随着板球赛事的数据日益增多，分析技术和方法不断进步，数据已经成为理解和预测比赛结果的核心工具。无论是通过分析球员的个人表现、球队的整体策略，还是通过实时的比赛数据预测，板球比赛的未来将更加依赖数据驱动
阅读更多2025-01-24
-
数据分析 six库
six库是Python的一个兼容性库，旨在帮助开发者更轻松地编写同时兼容Python 2和Python 3的代码。它是由Ben Hoyt开发的，最初发布于2010年，并在Python社区中被广泛使用。
阅读更多2025-01-24
-
系统相关类——java.lang.Runtime 类（二）
小编打算近期更俩三期类的专栏，一些常用的专集类，给大家分好类别总结和详细的代码举例解释。今天是第二个java.lang.Runtime 类我们一直都是以这样的形式，让新手小白轻松理解复杂晦涩的概念，把
阅读更多2025-01-24
-
pandas基础：基本数据结构
类型，而选择多列时返回的是 DataFrame 类型。这种行为是设计上的选择，目的是为了提供更灵活的数据操作方式。中，当你从DataFrame中选择列时，选择的方式会影响返回的数据类型。具体来说，选择
阅读更多2025-01-24
-
快慢指针及原理证明(swift实现)
快慢指针是一种双指针技巧，常用于遍历链表或是数组。优势如下：1.线性时间复杂度：快慢指针能够在O(n)时间内完成遍历，比暴力方法更高效。2.实时处理：无需额外存储大规模数据，可以在流式日志处理中使
阅读更多2025-01-24
-
【数据库】详解MySQL数据库中索引的本质与底层原理
这个过程叫寻道，所消耗的时间叫做寻道时间。答：局部性原理：当一个数据被用到时，其附近的数据被用到的概率会增大，所以操作系统为了提高效率，读取数据时往往不是按需读取，而是每次都会预读，即使只需要一个字节
阅读更多2025-01-24
-
如何处理langcleanupsysprepaction.dll文件的丢失与损坏问题
在使用Windows操作系统时，有时可能会遇到一些DLL文件（动态链接库）丢失或损坏的问题，文件也不例外。这个文件虽然不像一些常见的系统DLL文件那样广为人知，但它对于某些特定的系统操作或应用程序来说
阅读更多2025-01-24
-
Couchbase UI: Indexes
在Couchbase中，索引的这些指标可以帮助你评估索引的性能和状态。
阅读更多2025-01-24
