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！

龙图腾网获悉北京科技大学申请的专利一种基于深度学习的三维位错相互作用力的预测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：CN119046897B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411070230.5，技术领域涉及：G06F18/27；该发明授权一种基于深度学习的三维位错相互作用力的预测方法是由胡长军;邹康;陈丹丹;储根深;卢旭设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种基于深度学习的三维位错相互作用力的预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的三维位错相互作用力的预测方法，属于核材料辐照损伤计算模拟应用技术领域；本发明提出一种基于深度学习的三维位错相互作用力的预测方法，基于开源软件生成可用的数据集，设计了数据预处理的标准化方法，有效消除了数据集里的量纲差异性；通过数据预处理、训练后，生成的回归模型预测位错段间的相互作用力是一种灵活、准确、计算效率更高的方法，将有效加速预测三维位错相互作用力，能够大幅提高离散位错动力学DDD在三维位错建模时的模拟效率。

本发明授权一种基于深度学习的三维位错相互作用力的预测方法在权利要求书中公布了：1.一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，包括以下内容： 1数据集生成：基于开源模拟软件生成可用的原始数据集，随机采样多条数据作为训练数据集与验证测试集；所述原始数据集通过三维离散位错动力学模拟开源软件中的应变硬化模型和模拟体系模拟生成，在模拟体系内部随机生成若干个棱柱形位错环，且材料属性系数a、μ、v以均匀分布随机生成，其中，a表示位错核心半径、μ表示剪切模量、v表示泊松比； 2数据预处理：将原始数据集中各指标数据按比例缩放，去除数据的单位限制，将其转化为无量纲的纯数值； 3特征提取与表示学习：搭建神经网络的输入层和隐藏层，确定输入层的输入特征和维度、隐藏层的维度和层数，提高神经网络的复杂性和学习表达能力；此外，使用非线性激活函数实现数据的非线性映射，将输入数据映射到更高级的特征表示；所述输入层的输入特征包括两位错段各自的节点坐标x1,x2,x3,x4，两位错段的burges矢量b1,b2，材料属性系数位错核心扩散半径a，材料剪切模量μ和材料泊松比v； 4回归预测：搭建神经网络的输出层，根据隐藏层学习到的特征表示，经过一层全连接层的线性变换作为神经网络的预测输出值；具体包括以下内容： 将1层全连接层作为神经网络模型的输出层，将步骤3中所得的最后一层隐藏层的输出作为输入特征，即： W 1x1y1z2x2y2z 其中，表示回归预测输出值，ij表示位错段第个节点在方向上的作用力； 5反向传播：确定损失函数和优化算法，根据神经网络的输出值与真实值计算出神经网络的损失，并根据损失值与优化算法，从输出层到输入层的反向递归各层，使用链式法则对权重参数求偏导实现权重参数的更新，最终构建生成适用于三维位错建模下加速预测位错间相互作用力的反向传播神经网络模型，记作DD-BPNN。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号北京科技大学；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”。

以上内容由龙图腾AI智能生成。