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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于对抗训练自编码器架构的分子属性预测方法及设备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：CN120126614B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510530426.6，技术领域涉及：G16C20/30；该发明授权一种基于对抗训练自编码器架构的分子属性预测方法及设备是由王春宇;张梓童;赵玲玲;王俊杰设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本一种基于对抗训练自编码器架构的分子属性预测方法及设备在说明书摘要公布了：本发明公开了一种基于对抗训练自编码器架构的分子属性预测方法及设备，所述方法包括以下步骤：基于扩展连接指纹和ChemBERTa预训练模型，对分子进行初级特征编码；搭建预测模型的神经网络架构，包括基于自编码器的特征表示学习模块和基于线性层的预测模块；利用分子的初级特征对神经网络模型进行训练，包括三个训练阶段：自编码器训练、对抗训练和预测训练；使用构建的模型预测分子属性，并输出预测结果。本发明能够克服传统机器学习方法需要手工制作特征的局限性，自适应地学习分子表示，从而加速新药的研发过程，减少时间和成本。

本发明授权一种基于对抗训练自编码器架构的分子属性预测方法及设备在权利要求书中公布了：1.一种基于对抗训练自编码器架构的分子属性预测方法，其特征在于，包括： 步骤一、构建分子属性预测模型；获得训练好的分子属性预测模型； 步骤二、将待识别的分子输入训练好的分子属性预测模型，获得预测结果； 所述步骤一中构建分子属性预测模型；获得训练好的分子属性预测模型的具体过程为： S1、获取分子数据集，根据分子数据集构建训练集； S2、构建分子属性预测模型； S3、利用S1得到的训练集对S2构建的分子属性预测模型进行训练，得到训练好的分子属性预测模型； 所述S1中分子数据集包括：MoleculeNet回归数据集； 所述S1中根据分子数据集构建训练集的具体过程为： S1.1：获取扩展连接指纹和ChemBERTa预训练模型； S1.2：基于S1.1得到的扩展连接指纹对分子数据集中的所有分子数据进行初级特征编码，得到所有分子数据的第一初级特征； S1.3：基于S1.1得到的ChemBERTa预训练模型对分子数据集中的所有分子数据进行初级特征编码：得到所有分子数据的第二初级特征； S1.4：将所有分子数据的第一初级特征和所有分子数据的第二初级特征构建训练集； 所述S2中分子属性预测模型包括：第一AE模块、第二AE模块以及预测模块； 所述第一AE模块包括：一个自编码器AE1和一个自编码器AE2， 所述第二AE模块包括：一个自编码器AE1和一个自编码器AE2， 所述自编码器AE1依次包括：一个共享编码器B和一个解码器B1； 所述自编码器AE2依次包括：一个共享编码器B和一个解码器B2； 所述共享编码器B依次包括：输入层和五个构建层，其中每个构建层均依次包括：一个线性层、一个归一化层和一个激活函数层； 所述解码器B1依次包括五个构建层和输出层； 所述解码器B2依次包括五个构建层和输出层； 其中每个构建层均依次包括：一个线性层、一个归一化层和一个激活函数层； 所述输出层为Highway网络； 所述预测模块依次包括第一线性层、第一ReLU激活函数层、第一归一化层、第二线性层、第二ReLU激活函数层、第二归一化层、第三线性层。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。