#인공지능 #물질과학#

과제1 기준 코드 분석

필요한 라이브러리 명령줄 설치:

pandas：데이터 처리 및 분석

scikit-learn：머신러닝 라이브러리

rdkit：화학 정보학 관련 도구

!pip install pandas
!pip install -U scikit-learn
!pip install rdkit

라이브러리 함수 가져오기:

pickle：직렬화 작업을 통해 객체 정보를 영구적으로 저장하며, 거의 모든 데이터 유형에 사용 가능

tqdm：진행 표시줄 라이브러리

sklearn.ensemble：앙상블 학습 관련, 여기서는 랜덤 포레스트 회귀 방법 사용

rdkit.Chem.rdMolDescriptors：분자 기술자 계산을 위한 함수 포함

RDLogger.DisableLog：경고 메시지 비활성화

import pickle
import pandas as pd
from tqdm import tqdm
from sklearn.ensemble import RandomForestRegressor
from rdkit.Chem import rdMolDescriptors
from rdkit import RDLogger,Chem
import numpy as np
RDLogger.DisableLog('rdApp.*')

모간 분자 지문 계산:

입력：mol——RDKit 분자 객체；nBits——지문 길이 지정；radius——모간 지문 알고리즘의 반경 매개변수

출력：분자 지문 기술자 배열 반환

구체적 과정：GetMorganFingerprintAsBitVect 함수 호출하여 지정된 분자 mol의 Morgan 지문 계산, 지문 객체 fp를 ToBitString 함수로 비트 정보 문자열로 변환, 이후 리스트로 변환하고 eval 함수로 각 문자를 정수로 변환, 마지막으로 하나의 ndarray로 병합.

def 분자지문생성(mol,nBits=2048, 반경=2):
    '''
    매개변수
    ----------
    mol : mol
        RDKit 분자 객체.
    nBits : int
        지문의 비트 수.
    반경 : int
        Morgan 지문의 반경.
    반환값
    -------
    mf_desc_map : ndarray
        분자 지문 기술자의 ndarray.
    '''
    # 분자의 비트 벡터 형태의 Morgan 지문 반환
    fp = rdMolDescriptors.GetMorganFingerprintAsBitVect(mol,반경=반경,nBits=nBits)
    return np.array(list(map(eval,list(fp.ToBitString()))))

데이터 로딩:

입력：여러 SMILES 표현을 포함하는 화합물 목록

출력：각 화합물에 해당하는 Morgan 지문 벡터로 구성된 배열

구체적 과정：목록 중복 제거, 분자지문생성 함수를 사용하여 SMILES 표현에서 Morgan 지문으로의 매핑 생성.

def 화합물목록_벡터화(smi_lst):
    smi_set = list(set(smi_lst))
    smi_vec_map = {}
    for smi in tqdm(smi_set): # tqdm：진행 표시줄 표시
        mol = Chem.MolFromSmiles(smi)
        smi_vec_map[smi] = 분자지문생성(mol)
    smi_vec_map[''] = np.zeros(2048)
    
    vec_lst = [smi_vec_map[smi] for smi in smi_lst]
    return np.array(vec_lst)

데이터 읽기:

# 원본 csv 파일에서 데이터 읽기, 훈련 세트와 테스트 세트 길이 기록
dataset_dir = '../dataset'   # # 참고：AI Studio에서는 'dataset'으로 변경
train_df = pd.read_csv(f'{dataset_dir}/round1_train_data.csv')
test_df = pd.read_csv(f'{dataset_dir}/round1_test_data.csv')
print(f'훈련 세트 크기: {len(train_df)}, 테스트 세트 크기: {len(test_df)}')

전처리：Rct1、Rct2、Additive、Solvent 네 필드에 해당 지문을 연결하여 훈련 세트 입력으로 사용，Yield 필드를 훈련 세트 출력으로 사용. 테스트 세트 입력도 동일한 방식 처리 (코드 생략)

# 다양한 필드에 따라 훈련 세트 데이터 통합 및 해당 지문으로 변환
train_rct1_smi = train_df['Reactant1'].to_list()
train_rct2_smi = train_df['Reactant2'].to_list()
train_add_smi = train_df['Additive'].to_list()
train_sol_smi = train_df['Solvent'].to_list()

train_rct1_fp = 화합물목록_벡터화(train_rct1_smi)
train_rct2_fp = 화합물목록_벡터화(train_rct2_smi)
train_add_fp = 화합물목록_벡터화(train_add_smi)
train_sol_fp = 화합물목록_벡터화(train_sol_smi)

# 실제 사용되는 훈련 세트 입력：rct1,rct2,add,sol 네 필드의 지문 연결；훈련 세트 출력：Yield 필드 데이터
train_x = np.concatenate([train_rct1_fp,train_rct2_fp,train_add_fp,train_sol_fp],axis=1)
train_y = train_df['Yield'].to_numpy()

랜덤 포레스트 모델링 (내일 작성)