买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华侨大学申请的专利一种基于机器学习的掺杂团簇基态结构优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119314596B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411837837.1，技术领域涉及：G16C20/70；该发明授权一种基于机器学习的掺杂团簇基态结构优化方法及系统是由姜凯乐;王怀谦;郑浩设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于机器学习的掺杂团簇基态结构优化方法及系统在说明书摘要公布了：本发明涉及机器学习技术领域，公开了一种基于机器学习的掺杂团簇基态结构优化方法及系统，方法包括：采集原始掺杂团簇数据并进行优化作为掺杂团簇标准数据集，并将掺杂团簇标准数据集划分为训练集、验证集和测试集；通过在原始SchNet中添加原子间相互作用注意力机制构建掺杂团簇势能面拟合机器学习网络，并利用训练集和验证集进行训练；将测试集输入训练好的掺杂团簇势能面拟合机器学习网络中，得到并输出最终掺杂团簇势能面；使用人工蜂群算法在最终掺杂团簇势能面上进行结构搜索和优化，不断更新结构直到寻找到能量最低的基态结构。本发明提高了势能面拟合的精确度，提升了计算效益，且良好的可移植性。

本发明授权一种基于机器学习的掺杂团簇基态结构优化方法及系统在权利要求书中公布了：1.一种基于机器学习的掺杂团簇基态结构优化方法，其特征在于，包括以下步骤： 采集原始掺杂团簇数据并进行优化作为掺杂团簇标准数据集，所述原始掺杂团簇数据包括掺杂团簇的结构信息和能量信息；并将掺杂团簇标准数据集划分为训练集、验证集和测试集； 通过在原始SchNet中添加原子间相互作用注意力机制构建掺杂团簇势能面拟合机器学习网络，并利用训练集和验证集进行训练；将测试集输入训练好的掺杂团簇势能面拟合机器学习网络中，得到并输出最终掺杂团簇势能面； 使用人工蜂群算法在最终掺杂团簇势能面上进行结构搜索和优化，不断更新结构直到寻找到能量最低的基态结构； 所述将测试集输入训练好的掺杂团簇势能面拟合机器学习网络中，得到并输出最终掺杂团簇势能面的过程包括以下步骤： 输入团簇的分子式、分子三维笛卡尔坐标以及作为标签的能量值； 将分子式按元素周期表排序编码得到原子序数，原子序数经过特征嵌入得到特征矩阵； 通过原子坐标相减取绝对值获得原子间距，原子间距经过径向基函数扩展拓展维度； 特征矩阵和拓展维度之后的原子间距进入原子间相互作用注意力机制进行特征提取与参数更新，得到包含结构-能量对应关系网络的特征信息，作为最终掺杂团簇势能面输出； 所述特征矩阵和拓展维度之后的原子间距进入原子间相互作用注意力机制进行特征提取与参数更新，包括以下步骤： 特征提取，特征矩阵经过一个滤波器生成函数模块与拓展维度之后的原子间距进行逐元素乘法，输出节点特征； 特征更新，构造一个可学习的共享矩阵来重构节点特征的线性变换，并使用前馈神经网络构建一个可共享的注意力函数对节点特征进行平滑的归一化，更新节点特征； 特征聚合，最后通过残差网络将更新后的节点特征和提取得到的节点特征聚合起来，得到结构-能量对应关系网络的特征信息； 所述原子间相互作用注意力机制采用图注意力方法对不同原子间相互作用的重要性进行建模； 所述使用人工蜂群算法在最终掺杂团簇势能面上进行结构搜索和优化，包括以下步骤： 初始化步骤，使用人工蜂群算法在最终掺杂团簇势能面上进行搜索，初始化蜂群及其位置并计算适应度； 迭代步骤，通过局部搜索更新蜂群位置，在探索阶段进行全局随机搜索； 计算步骤，重复迭代步骤直到达到最大迭代次数及适应度阈值，在每次迭代中记录最佳位置，使用最终掺杂团簇势能面计算每个结构的能量，最终输出能量最低的基态掺杂团簇结构和能量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。