적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 딥러닝 기반의 신약 후보물질의 최적화 방법에 있어서,최적화 모델을 생성하는 단계와 최적화를 수행하는 단계로 구분되고,상기 최적화 모델을 생성하는 단계는,표적단백질 데이터와 후보화학분자 데이터를 수신하는 단계;상기 표적단백질 데이터와 상기 후보화학분자 데이터를 학습데이터로 입력하여 상호작용하는 연결 강도(binding affinity)를 분석하는 최적화 모델을 생성하는 단계를 포함하는 딥러닝 기반의 신약 후보물질의 최적화 방법.

제1항에 있어서,상기 최적화를 수행하는 단계는,상기 후보화학분자 데이터를 SMILES 데이터로 변환하는 단계;변환된 SMILES 데이터를 기학습된 최적화 모델에 입력하여 연결 강도(binding affinity)를 분석하는 단계를 더 포함하는 딥러닝 기반의 신약 후보물질의 최적화 방법.

제2항에 있어서,상기 최적화를 수행하는 단계는,후보화학분자 데이터의 중요 구성요소를 추출하는 단계; 및추출된 중요 구성요소를 활용하여 최적화를 수행하는 단계를 더 포함하는 딥러닝 기반의 신약 후보물질의 최적화 방법.

제1항에 있어서,상기 추출된 중요 구성요소를 활용하여 최적화를 수행하는 단계는,추출된 중요 구성요소를 고정시키고 주변 요소를 변경하거나 생성하여 최적화를 수행하는 딥러닝 기반의 신약 후보물질의 최적화 방법.

딥러닝 기반으로 신약 후보물질을 최적화하는 컴퓨팅 장치로서,적어도 하나의 코어를 포함하는 프로세서;상기 프로세서에서 실행 가능한 프로그램 코드들을 포함하는 메모리;사용자단말로부터 쓰레기 이미지를 수신하는 통신부;상기 표적단백질 데이터와 상기 후보화학분자 데이터를 학습데이터로 입력하여 상호작용하는 연결 강도(binding affinity)를 분석하는 최적화 모델을 생성하는 모델생성부;상기 후보화학분자 데이터를 SMILES 데이터로 변환하는 데이터변환부변환된 SMILES 데이터를 기학습된 최적화 모델에 입력하여 연결 강도(binding affinity)를 분석하고, 후보화학분자 데이터의 중요 구성요소를 추출하고, 추출된 중요 구성요소를 활용하여 최적화를 수행하는 최적화수행부를 포함하는 컴퓨팅 장치.