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！

龙图腾网获悉昆明理工大学;云南锡业股份有限公司锡业分公司申请的专利一种材料成分与性能映射的不确定性量化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：CN119400306B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411375977.1，技术领域涉及：G16C60/00；该发明授权一种材料成分与性能映射的不确定性量化方法是由刘英莉;熊正;王春秀;杨玲;沈韬;袁海滨;唐都作设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种材料成分与性能映射的不确定性量化方法在说明书摘要公布了：本发明涉及一种材料成分与性能映射的不确定性量化方法，属于材料科学技术领域。首先，从MaterialsProject数据库收集材料成分数据；然后，使用全连接神经网络将数据中的原子序数和分数编码为高维向量；接着，将这些高维向量结合成元素派生矩阵，并输入Transformer模块学习化学结构信息；最后，将学习得到的化学结构信息特征，通过谱归一化残差MLP处理，并在输出层应用高斯过程建模来量化不确定性。本发明应用在材料属性预测中，不仅能给出材料性能的预测值，还能量化预测的不确定性，提供预测结果的分布。

本发明授权一种材料成分与性能映射的不确定性量化方法在权利要求书中公布了：1.一种材料成分与性能映射的不确定性量化方法，其特征在于，所述方法具体包括： Step1：从MaterialsProject数据库中收集材料的成分数据，所述成分数据包括每个元素的原子序数和在材料中的分数； Step2：使用全连接神经网络将原子序数和分数编码为高维向量，得到元素派生矩阵，所述元素派生矩阵包含了各个元素之间的关系信息； Step3：构建Transformer模块，将元素派生矩阵输入Transformer模块中，通过Transformer模块中的自注意力机制，学习材料中各个元素的相互作用以及各个元素的化学结构信息，得到化学结构信息特征； Step4：将化学结构信息特征输入到残差多层感知机模块中，在所述残差多层感知机模块中设计谱归一化，约束残差多层感知机模块中权重矩阵的映射，防止过拟合，提高模型的泛化能力； Step5：构建高斯模型，通过对数后验似然和Hessian矩阵优化高斯模型的参数，然后将残差多层感知机模块中的化学结构信息特征输入到优化后的高斯模型中，进行高斯过程处理，实现量化预测材料成分与性能之间映射的不确定性； 所述对数后验似然具体为： ； 式中，表示参数在给定输入数据x时的对数后验概率，是关于似然函数的项，用来衡量模型预测值与真实值之间的差异，是正则化项，称为L2正则化； 所述Hessian矩阵具体为 ； 式中，是一个维的Hessian矩阵的估计值，是一个特征向量，它是在随机特征扩展或神经网络层中生成的；这个项表示特征向量的外积，生成一个的矩阵，是一个的单位矩阵。

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昆明理工大学;云南锡业股份有限公司锡业分公司，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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”。

以上内容由龙图腾AI智能生成。