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！

龙图腾网获悉电子科技大学(深圳)高等研究院;电子科技大学申请的专利一种基于机器学习的预测分子溶剂化自由能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：CN120260737B 。

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：202510739407.4，技术领域涉及：G16C20/70；该发明授权一种基于机器学习的预测分子溶剂化自由能方法是由张育凯;任志勇设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于机器学习的预测分子溶剂化自由能方法在说明书摘要公布了：本发明公开一种基于机器学习的预测分子溶剂化自由能方法，涉及计算化学技术领域，解决了分子动力学方法耗费大量的计算资源和时间的技术问题。该方法包括使用溶质分子、溶剂分子的SMILES式作为输入数据；基于RDKit工具将所述SMILES式转化为分子的一维描述符、二维描述符及三维描述符；基于开源实验数据集，通过分子的一维描述符、二维描述符及三维描述符与实验溶剂化自由能的关联关系训练机器学习模型，得到预测模型；向所述预测模型输入的溶质分子、溶剂分子的分子描述符，得到预测所述溶质分子的溶剂化自由能结果。本发明通过机器学习模型替代现有分子动力学模拟，同时采用机器学习算法和实验数据进行模型训练，提高预测结果的准确性和稳定性。

本发明授权一种基于机器学习的预测分子溶剂化自由能方法在权利要求书中公布了：1.一种基于机器学习的预测分子溶剂化自由能方法，其特征在于，包括以下步骤： S100：使用溶质分子、溶剂分子的SMILES式作为输入数据； S200：基于RDKit工具将所述SMILES式转化为分子的一维描述符、二维描述符及三维描述符； S300：基于开源实验数据集，通过分子的一维描述符、二维描述符及三维描述符与实验溶剂化自由能的关联关系训练机器学习模型，得到预测模型； S400：向所述预测模型输入的溶质分子、溶剂分子的分子描述符，得到预测所述溶质分子的溶剂化自由能结果； 所述S200步骤中，所述一维描述符包括分子量、键数目，所述二维描述符包括分子图特征、拓扑极性表面积TPSA、分子连接性指数，所述三维描述符包括分子表面积、分子体积；分子的描述符为APFP、ECFP6、TOPOL、MolProps以及它们的连接组合MolPropsAPFP和MolPropsECFP6； 所述S200步骤中，通过K最近邻分类算法估计填补所述SMILES式转化中的缺失值，使所述一维描述符、二维描述符及三维描述符的数据集保持完整性；还对所述一维描述符、二维描述符及三维描述符的数据集进行归一化处理，使整个数据集创建一致的尺度； 所述S300步骤中，通过第一训练策略、第二训练策略两种策略训练机器学习模型，所述第一训练策略基于分子特征直接预测实验值的偏移量进行训练，所述第二训练策略基于预测实验值和模拟值之间的差异进行训练；所述第一训练策略的表达式为：，其中，A表示训练集中的任意样本，为使用通用Amber力场模拟得到的计算自由能，为机器学习模型得到的实验值，表示第一训练策略对应的预测偏移值；所述第二训练策略的表达式为：，对于第一训练策略中由其描述符定义的每个训练集，使用5倍交叉验证应用机器学习模型，产生N=5个训练模型的总体N中的每个单独模型预测自己的偏移值，为这些预测偏移值的算术平均值。

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电子科技大学(深圳)高等研究院;电子科技大学，其通讯地址为：518110 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。