Materials.selfies Ted

🚀 selfies-ted

selfies-ted是一個基於Transformer的編碼器 - 解碼器模型，用於使用SELFIES進行分子表示。它能有效處理化學分子相關的特徵提取任務，為化學領域的研究提供了有力的工具。

🚀 快速開始

✨ 主要特性

• 基於Transformer架構，適用於分子表示。
• 利用SELFIES進行編碼，可處理化學領域的特徵提取任務。

📦 安裝指南

文檔未提供具體安裝步驟，跳過此章節。

💻 使用示例

基礎用法

# 導入必要的庫
from transformers import AutoTokenizer, AutoModel
import selfies as sf
import torch

# 加載模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("ibm/materials.selfies-ted")
model = AutoModel.from_pretrained("ibm/materials.selfies-ted")

# 將SMILES字符串編碼為selfies
smiles = "c1ccccc1"
selfies = sf.encoder(smiles)
selfies = selfies.replace("][", "] [")

# 獲取嵌入表示
token = tokenizer(selfies, return_tensors='pt', max_length=128, truncation=True, padding='max_length')
input_ids = token['input_ids']
attention_mask = token['attention_mask']
outputs = model.encoder(input_ids=input_ids, attention_mask=attention_mask)
model_output = outputs.last_hidden_state

input_mask_expanded = attention_mask.unsqueeze(-1).expand(model_output.size()).float()
sum_embeddings = torch.sum(model_output * input_mask_expanded, 1)
sum_mask = torch.clamp(input_mask_expanded.sum(1), min=1e-9)
model_output = sum_embeddings / sum_mask

🔧 技術細節

文檔未提供具體技術細節，跳過此章節。

📄 許可證

本項目採用Apache-2.0許可證。