一种基于并行深度图贝叶斯优化框架的分子虚拟筛选方法

本发明适用于虚拟筛选技术领域，提供了一种基于并行深度图贝叶斯优化框架的分子虚拟筛选方法。本发明使用深度图贝叶斯优化框架来进行虚拟筛选任务；在复杂情况下设计并行筛选策略，即利用并行深度图贝叶斯优化框架在多个计算节点上并行运行。为了进一步降低时间成本，本发明使用增量学习方法训练代理模型，同时利用EMA策略及OCS采样方法用于缓解灾难性遗忘问题。使得在进行相同的筛选任务时，本发明所提的并行深度图贝叶斯优化框架与串行的深度图贝叶斯优化框架相比，降低了75.1%的时间成本，代理模型的训练时间从13.97h降低为4.49h，同时筛选性能基本保持稳定。