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！

龙图腾网获悉浙江工业大学申请的专利基于知识引导的分子性质关系图增强的小样本分子性质预测方法和装置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：CN119920353B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411926429.3，技术领域涉及：G16C20/30；该发明授权基于知识引导的分子性质关系图增强的小样本分子性质预测方法和装置是由汪泽钰;张莹;蒋天依;俞山青;宣琦设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于知识引导的分子性质关系图增强的小样本分子性质预测方法和装置在说明书摘要公布了：基于知识关系图增强的小样本分子性质预测方法和装置，其方法包括：S1：构建分子—性质关系图；S2：在分子—性质关系图的基础上构建基于知识引导的分子—性质关系图；S3：基于步骤S2得到的增强图，通过随机抽样从训练任务集中抽取目标任务，根据选定目标任务提取子图，获取子图表征；S4：通过辅助任务采样器进行采样，得到与目标任务高度相关的辅助任务，根据步骤S3得到的子图和辅助任务重新构建一个关系更加丰富的子图；S5：基于步骤S4得到的子图进行小样本分子性质预测训练，计算损失，更新模型参数，提高模型快速泛化到新目标性质的能力；S6：使用步骤S5训练好的模型进行目标性质参数适应，进而获得面向目标性质的泛化模型用于分子性质预测。

本发明授权基于知识引导的分子性质关系图增强的小样本分子性质预测方法和装置在权利要求书中公布了：1.基于知识引导的分子属性关系图增强的小样本分子性质预测方法，其特征在于，包括以下步骤： S1：构建分子—性质关系图； S2：在分子—性质关系图的基础上构建基于知识引导的分子—性质关系图；具体包括： S2.1：获取数据集中的每个分子—性质关系图的分子骨架相似度，具体如下：在已有的分子—性质关系图基础上，通过使用一种开源的化学信息学软件工具包RDKit来处理化学分子结构，提取分子骨架的关键信息；将2048位Morgan指纹和166位MACCSkeys合并成一个2214位的二进制向量，从而生成分子骨架指纹，并计算两个分子中相同骨架指纹的数量占总分子骨架指纹数量的比例，将这个比值作为分子之间的骨架相似度，用SFi和SFj表示两个分子的骨架指纹，每一位表示特定结构特征是否存在，SFi和的点积表示两个分子在结构上共有的特征数目，反映了它们在分子骨架结构上的相似性： S2.2：获取数据集中的分子—性质关系图的官能团相似度，具体包括：在已有的分子—性质关系图基础上，通过使用RDKit来处理化学分子结构，提取官能团的关键信息；创建一个长度为49的二进制向量，每一位对应RDKit定义的其中一个官能团，表示这个官能团是否存在于分子的结构之中，从而生成分子的官能团指纹；用GFi和GFj表示两个分子的官能团指纹，计算两个分子中相同官能团指纹的数量占总官能团指纹数量的比例，将其作为分子i和j之间的官能团相似度： S2.3：基于步骤S2.1和步骤S2.2得到的分子骨架相似度和官能团相似度，得到基于知识引导的分子—性质关系图，具体包括：利用步骤S2.1和步骤S2.2得到的两种相似度，再结合分子和性质的信息，构建不仅包含分子和性质信息还包含不同分子之间关系的分子性质多关系图其中V，T是分子和性质的集合，关系集R涵盖了分子之间及分子与性质之间的关系；将子图视为由多个关系特定的层图组成层图集关系特定层包括骨架相似层GSca，官能团相似层GGro和性质层GPro； S3：基于步骤S2步骤得到的增强图，通过随机抽样从训练任务集中抽取目标任务，根据选定目标任务提取子图，获取子图表征； S4：通过辅助任务采样器进行采样，得到与目标任务高度相关的辅助任务，根据步骤S3得到的子图和辅助任务重新构建一个关系更加丰富的子图； S5：基于步骤S4得到的子图进行小样本分子性质预测训练，计算损失，更新模型参数，提高模型快速泛化到新目标性质的能力； S6：使用步骤S5训练好的模型进行目标性质参数适应，进而获得面向目标性质的泛化模型用于分子性质预测。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。