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！

龙图腾网获悉上海交通大学申请的专利快速预测金属化合物高精度导电特性的机器学习方法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：CN114201907B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202010986874.4，技术领域涉及：G16C20/70；该发明授权快速预测金属化合物高精度导电特性的机器学习方法是由李金金;汪志龙;韩彦强;王清训设计研发完成，并于2020-09-18向国家知识产权局提交的专利申请。

本快速预测金属化合物高精度导电特性的机器学习方法在说明书摘要公布了：一种快速预测金属化合物高精度导电特性的机器学习方法，通过采集二元金属氧化物、氮化物、硫化物的半导体材料的PBE带隙以生成训练样本，采用图神经网络建立半导体材料的结构‑带隙预测模型以训练样本进行初次训练，得到用于快速预测PBE带隙的预测模型，然后再计算训练样本中部分半导体材料的HSE06带隙以生成二次训练样本，通过迁移学习对预测模型进行二次训练，得到针对半导体材料的高精度带隙预测模型用于进行HSE06水平的能隙预测。本发明能够大幅降低带隙预测的计算成本，有效避免实验操作的繁琐和设计成本，可以推广到其他材料体系中，对发现具有功能特性的材料具有指导意义。

本发明授权快速预测金属化合物高精度导电特性的机器学习方法在权利要求书中公布了：1.一种快速预测金属化合物高精度导电特性的机器学习方法，其特征在于，通过采集二元金属氧化物、氮化物、硫化物的半导体材料的PBE带隙以生成训练样本，采用图神经网络建立半导体材料的结构-带隙预测模型以训练样本进行初次训练，得到用于快速预测PBE带隙的预测模型，然后再计算训练样本中部分半导体材料的HSE06带隙以生成二次训练样本，通过迁移学习对预测模型进行二次训练，得到针对半导体材料的高精度带隙预测模型用于进行HSE06水平的能隙预测，具体包括： 步骤1数据收集：从MaterialsProject数据库中采集所有的二元金属氧化物、氮化物、硫化物晶体结构，这些晶体结构包含原子的元素信息、原子坐标、晶格常数和相应的PBE带隙值；从中选择带隙值大于0的晶体结构，即半导体结构，共计1503个半导体结构：氧化物979个，硫化物356个，氮化物168个； 步骤2建立图神经网络，具体包括： 2.1计算1503个半导体材料的晶体结构的原子间距d以判断邻近原子，并以邻近原子的信息以及键长的信息共同作为半导体材料的描述符以唯一地表征其晶体结构； 2.2将步骤2.1得到的描述符作为卷积神经网络的输入，PBE带隙值作为输出，训练整个网络； 2.3训练完成后得到从晶体结构到PBE带隙的预测模型，当输入晶体结构的原子信息，在计算描述符之后，通过神经元之间的权重参数进行四则运算，就可以快速计算出PBE带隙值； 步骤3HSE06带隙计算：从1503个半导体结构中随机抽取150个结构，进行HSE06高精度的带隙计算，得到150个HSE06带隙； 步骤4迁移学习：根据步骤3得到的150个结构的晶体描述符作为步骤2训练后的预测模型的输入，将对应的HSE06带隙作为输出进行二次训练； 步骤5重复步骤2～步骤4，直至误差达到0.4eV，得到优化后的预测模型，进而用于对所有晶体结构进行基于HSE06水平的带隙预测。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。