Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉大学胡文斌获国家专利权

武汉大学胡文斌获国家专利权

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!

龙图腾网获悉武汉大学申请的专利一种用于化合物性质预测的图结构优化方法、系统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:CN115662536B

龙图腾网通过国家知识产权局官网在2026-01-06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:202211284312.0,技术领域涉及:G16C20/30;该发明授权一种用于化合物性质预测的图结构优化方法、系统及设备是由胡文斌;俞文航设计研发完成,并于2022-10-20向国家知识产权局提交的专利申请。

一种用于化合物性质预测的图结构优化方法、系统及设备在说明书摘要公布了:本发明公开了一种用于化合物性质预测的图结构优化方法、系统及方法,首先获取化合物数据,包括化合物总数、化合物类别数、化合物中的平均小分子数和平均连边数,对化合物数据进行数据预处理;然后使用预处理后的数据进行图上的通勤时间距离的计算,再经过邻域选取函数得到优化后的化合物图结构;最后将步骤2中获得的优化后的化合物图结构输入GNN分类器,在化合物图数据上进行性质预测;本发明可以有效地完成化合物性质预测这一任务,且适用于结构性强、数据量大、化合物性质多样的场景,并在多个模型上的准确度有明显提升。

本发明授权一种用于化合物性质预测的图结构优化方法、系统及设备在权利要求书中公布了:1.一种用于化合物性质预测的图结构优化方法,其特征在于,包括以下步骤: 步骤1:获取化合物数据,包括化合物总数、化合物类别数、化合物中的平均小分子数和平均连边数,对化合物数据进行数据预处理; 步骤2:使用预处理后的数据进行图上的通勤时间距离的计算,再经过邻域选取函数得到优化后的化合物图结构; 步骤3:将步骤2中获得的优化后的化合物图结构输入GNN分类器,在化合物图数据上进行性质预测; 所述GNN分类器,整体由图卷积模块和图池化模块构成,包括第一input_dim×hidden卷积块、第一hidden×hidden卷积块、第二hidden×hidden卷积块、图池化函数和hidden×output_dim多层线性感知机组成; 所述第一input_dim×hidden卷积块、第一hidden×hidden卷积块、第二hidden×hidden卷积块顺序连接,共同构成图卷积模块,输入优化后的化合物图结构,经过图卷积模块,聚合并更新图上节点特征,提取节点级表征; 所述图池化函数和所述hidden×output_dim多层线性感知机顺序连接,共同构成图池化模块,输入上述的节点级表征,经过图池化模块,提取出图级别表征,作为所述hidden×output_dim多层线性感知机的输入;这个过程共同构成图池化模块,输入为图上节点级表征,经过图池化函数处理与多层线性感知机更新后,输出化合物性质预测结果; 所述第一input_dim×hidden卷积块由一个input_dim×hidden卷积层和一个relu激活函数构成;所述第一hidden×hidden卷积块、第二hidden×hidden卷积块由一个hidden×hidden卷积层和一个relu激活函数构成;所述图池化函数由各种图池化层组成,一般为mean、add或sum方法;所述hidden×output_dim多层线性感知机由一个hidden×hidden线性层、一个relu激活函数、一个dropout层和一个hidden×output_dim线性层和一个log_softmax函数组成。

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武汉大学,其通讯地址为:430072 湖北省武汉市武昌区珞珈山武汉大学;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。