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！

龙图腾网获悉之江实验室申请的专利一种基于性质约束协同训练的多孔结构跨域逆向设计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：CN119380885B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411406571.5，技术领域涉及：G16C60/00；该发明授权一种基于性质约束协同训练的多孔结构跨域逆向设计方法是由张璐;吕琳;聂大明;陈立朋设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种基于性质约束协同训练的多孔结构跨域逆向设计方法在说明书摘要公布了：本发明涉及一种基于性质约束协同训练的多孔结构跨域逆向设计方法，将力学性质信息和随机噪声作为训练后的逆向生成模型的输入，得到编码向量，利用训练后的变分自编码器模型得到重建后的多孔结构数据。本方法在变分自编码器的训练过程中，对编码空间中的特征向量分布直接进行力学性质预测协同训练，改善编码空间特征分布，建立“编码空间→性质”之间更为直接的关系。通过增加正向关系的约束，在逆向生成模型的训练过程中，建立“性质→编码空间”更为容易，相对普通的逆向设计方案，本发明可以改善预测结构的准确性，支持准确的多孔结构跨域逆向设计。本发明充分考虑跨域结构分布不同的特点，实现具有高准确性的跨域逆向设计。

本发明授权一种基于性质约束协同训练的多孔结构跨域逆向设计方法在权利要求书中公布了：1.一种基于性质约束协同训练的多孔结构跨域逆向设计方法，其特征在于，将力学性质信息和随机噪声作为训练后的逆向生成模型的输入，得到编码向量，利用训练后的变分自编码器模型得到重建后的多孔结构数据，其中，所述逆向生成模型和所述变分自编码器模型的训练过程包括如下步骤： 步骤S1，构建跨域的多孔结构-力学性质数据对，作为训练样本； 步骤S2，将所述训练样本中的多孔结构数据作为变分自编码器模型的输入，得到编码向量，利用编码空间-力学性质映射器计算第一性质损失，基于所述第一性质损失实现变分自编码器模型的训练； 步骤S3，以加噪后的所述编码向量作为逆向生成模型的输入，得到重建后的编码向量，利用所述编码空间-力学性质映射器计算第二性质损失，基于所述第二性质损失实现逆向生成模型的训练， 所述的步骤S1中，跨域的多孔结构-力学性质数据对包括杆结构、壳结构和旋节线结构对应的多孔结构-力学性质数据对， 利用编码空间-力学性质映射器计算第一性质损失和第二性质损失的过程包括如下步骤： 将变分自编码器模型或逆向生成模型得到的编码向量作为编码空间-力学性质映射器的输入，得到预测的力学性质信息，基于预测的力学性质信息和训练样本中的力学性质信息，计算第一性质损失或第二性质损失。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；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。