1. 基于内嵌双向长短时记忆的循环对抗神经网络分子生成方法，其特征在于：包括如下步骤：S1：收集有效化学性质的分子

为了从已知的分子数据库中筛选出符合条件的分子，并将其储存在有效的化学分子数据库中，按照以下步骤进行操作；

首先，获取已知分子数据库并确保其以SMILES格式表示，接下来，根据需求中的目标分子结构，明确分子骨架和期望的性质；

S2：数据集分类

将筛选后的分子按照目标性质以及目标结构分成两类数据集，然后将每类数据集内的分子再随机分成测试集和训练集；

S3：训练分子

设置分子模型，将测试集与训练集内以SMILES字符串形式表示的分子映射到JTVAE模型的潜在向量空间，以向量形式输入训练集的分子，通过不断的训练分子模型，最终使分子模型能生成保留目标结构且包含目标性质的分子；以向量形式输入测试集的分子，生成最终的分子；

S4：解码

将映射到JTVAE模型的潜在向量空间的分子以SMILES字符串形式输出；

S5：对分子性质评价，并以分子图的形式可视化分子；

分子模型使用循环生成对抗网络的对称形式，包括两个对称布置的生成器和两个对称布置的判别器；

在每个生成器中引入BiLSTM；

判别器采用一层Dense层和一层注意力机制的叠加结构，共进行三次叠加。

2.如权利要求1所述的基于内嵌双向长短时记忆的循环对抗神经网络分子生成方法，其特征在于：步骤S2中，所述目标性质包括：可溶性，药物活性，化学反应性；

所述目标结构为：苯环数量，脂肪环数量，氢键受体、供体的数量以及期望的分子骨架。

3.如权利要求1所述的基于内嵌双向长短时记忆的循环对抗神经网络分子生成方法，其特征在于：分子模型训练结束后，分子以JTVAE模型的潜在向量空间形式保存，在解码时，以SMILES字符串形式保存。

4.如权利要求1所述的基于内嵌双向长短时记忆的循环对抗神经网络分子生成方法，其特征在于：对分子性质评价时，是以Filters、Valid、Novelty这3个指标对分子性质进行分析。

5.一种基于内嵌双向长短时记忆的循环对抗神经网络分子生成系统，其特征在于：包括：存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至4任一项所述的基于内嵌双向长短时记忆的循环对抗神经网络分子生成方法；

显示器，用于人机交互，查看执行结果。