1.一种脉冲神经网络的小分子药物动态分析系统，其特征在于，包括：

管理模块（1），用于控制各功能模块与单元的操控指令的编辑与发送；

数据收集模块（2），用于收集已知的药物化合物结构数据以及对应的生物体内表现数据；

模型构建模块（3），用于构建脉冲图神经网络模型架构，选择图卷积层和脉冲传递机制，定义输入层、隐藏层和输出层的节点数以及激活函数，确定网络的连接权重，并设置超参数，基于数据收集模块（2）所采集药物化合物结构数据以及对应的生物体内表现数据作为训练样本进行训练；

动态识别模块（4），用于将新分子输入训练好的脉冲图神经网络模型中进行识别，模型的预测输出新分子的体内表现，包括药物分布、代谢和作用效果，根据模型输出的预测结果筛选出符合预设需求阈值的候选药物化合物，为候选药物化合物进行评估，输出模型评估值；

需求设定模块（5），用于自定义设置需求阈值，设定完毕后，配置应用于动态识别模块（4）；

数据存储库（6），用于将符合需求阈值的候选药物化合物整理成化合物库，为每个候选化合物附上关联预测数据和模型评估值；

验证采集模块（7），用于采集数据存储库（6）的化合物数据实验验证所得的实验数据，获取实际的体内表现数据；

判断单元（8），用于对比模型预测的数据与实际验证数据显示的结果，判断是否存在误差；

误差识别模块（9），用于在判断单元（8）判断为误差时触发，计算模型预测与实际结果之间的误差，基于输入数据、模型结构和参数设置进行溯源；

误差调整模块（10），用于根据误差识别模块（9）溯源结果对应调整模型构建模块（3）的超参数、网络结构或输入数据特征。

2.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述数据收集模块（2）所采集药物化合物结构数据属性包括：分子式、官能团和三维构象，生物体内表现数据属性包括：分布状态、代谢途径、排泄方式、生物活性、疗效表现和毒性系数。

3.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述数据收集模块（2）通过无线网络交互连接有预处理模块（11），所述预处理模块（11）用于对数据收集模块（2）对收集的药物结构和生物表现数据进行标准化处理，将化合物结构信息转化为匹配神经网络处理的图表示形式，使用分子图的节点和边表示化合物结构分子中的原子和化学键，对生物表现数据进行归一化处理。

4.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述模型构建模块（3）所构建的脉冲图神经网络模型，将新的药物分子结构转换为图结构，进入脉冲图神经网络，利用网络的多层传递机制对输入特征进行深度学习，提取结构特征，计算得到的结果表示模型对新分子的预测表现。

5.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述动态识别模块（4）中的脉冲图神经网络模型的运行逻辑为：；

式中，代表模型预测的药物表现结果， 代表脉冲图神经网络的前馈函数，表示模型对输入数据X的处理，其中θ代表模型参数，代表网络中节点的总数， 代表到节点的权重，代表激活函数，通过非线性映射，使模型能够学习复杂的特征， 代表节点 的邻居节点集合， 代表节点 和邻居节点 之间的连接关系，可以是邻接矩阵的元素， 代表节点 在第 层的隐藏状态，表示该节点的特征表示， 代表节点 的偏置项。

6.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述动态识别模块（4）基于模型预测的药物表现结果，筛选出符合预设需求阈值的候选药物化合物，具体过程为：K={X∣Y>T}；

式中，K代表满足条件的分子集合，Y代表模型预测的药物表现结果，T代表预设的需求阈值，X代表当前输入模型的数据。

7.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述判断单元（8）下级部署有子模块，子模块包括：定义模块（81）、阈值模块（82）和配置模块（83），所述定义模块（81）与阈值模块（82）通过无线网络交互连接，所述阈值模块（82）与配置模块（83）通过无线网络交互连接，其中：定义模块（81），用于定义判断数据属性的标准和依据，规定数据的格式、范围和数据类型，为每种数据属性设定的判定规则，构建标准化评估框架；

阈值模块（82），用于基于阈值模块（82）所构建标准化评估框架，制定若干判断数据的标准阈值，根据不同属性设置不同优先级或权重；

配置模块（83），用于对标准阈值进行实际应用，基于当前待判断数据与对应标准阈值进行比对，判断当前数据是否符合要求。

8.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述误差识别模块（9）基于输入数据、模型结构和参数设置进行溯源的过程中：输入数据的溯源项目为：数据异常值状态、训练数据和验证数据的分布状态；

模型结构的溯源项目为：训练误差和验证误差差距状态、学习曲线稳定状态和特征提取状态；

参数设置的溯源项目为：训练过程中误差波动状态、收敛速度状态和优化算法效果状态。

9.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述误差调整模块（10）在模型构建模块（3）输入数据、网络结构和超参数的调整过程中：输入数据的调整策略为：数据清洗与补充、数据平衡和数据集增强；

网络结构的调整策略为：增加或减少图神经网络的层数或神经元数量、更改网络结构和正则化；

超参数的调整策略为：调节学习率、调整训练数据批量大小和选择优化算法。

10.根据权利要求1所述的一种脉冲神经网络的小分子药物动态分析系统，其特征在于，所述管理模块（1）与数据收集模块（2）通过无线网络交互连接，所述数据收集模块（2）与模型构建模块（3）通过无线网络交互连接，所述动态识别模块（4）与模型构建模块（3）、需求设定模块（5）和数据存储库（6）通过无线网络交互连接，所述验证采集模块（7）与数据存储库（6）和判断单元（8）通过无线网络交互连接，所述判断单元（8）与误差识别模块（9）通过无线网络交互连接，所述误差识别模块（9）与误差调整模块（10）通过无线网络交互连接，所述误差调整模块（10）与模型构建模块（3）通过无线网络交互连接。