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！

龙图腾网获悉南京玻璃纤维研究设计院有限公司申请的专利一种基于图神经网络的玻璃纤维分子结构-模量性能关系预测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：CN121054112B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511566840.9，技术领域涉及：G16C10/00；该发明授权一种基于图神经网络的玻璃纤维分子结构-模量性能关系预测方法是由刘鑫;赵明;郎玉冬;赵子煜;吕士武;赵谦设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于图神经网络的玻璃纤维分子结构-模量性能关系预测方法在说明书摘要公布了：本发明公开了一种基于图神经网络的玻璃纤维分子结构‑模量性能关系预测方法，包括以下步骤：从数据库中筛选多元玻璃纤维体系下成分‑模量数据；基于筛选的成分数据，构建图数据；基于所述图数据，通过图神经网络进行模量预测。本发明创新性地提出改进的图数据构建、引入“节点表示+边特征+成分向量”的联合建模、引入“局域‑全局‑成分”三重信息融合以及引入结构一致性正则，使得模型能够兼顾局域结构对模量的直接贡献与整体配比对宏观性能的调节作用，从而提高预测精度与泛化性。本发明能保持较高的预测准确度与物理合理性，体现出较强的泛化能力与实际应用价值。

本发明授权一种基于图神经网络的玻璃纤维分子结构-模量性能关系预测方法在权利要求书中公布了：1.一种基于图神经网络的玻璃纤维分子结构-模量性能关系预测方法，其特征在于，所述方法包括以下步骤： 步骤1，从数据库中筛选多元玻璃纤维体系下成分-模量数据； 步骤2，基于步骤1筛选的成分数据，构建图数据； 步骤3，基于所述图数据，通过图神经网络进行模量预测； 步骤2所述基于步骤1筛选的成分数据，构建图数据，具体包括： 步骤2-1，构建节点特征； 将多元玻璃纤维体系中的m种氧化物分别定义为图中的m个节点； 对于第i个节点，其特征向量表示为： ； 式中，表示第i个节点在样本即成分数据中的摩尔分数；表示第i个节点的第m种物理化学属性，i=1,2,...,m；表示第i个节点的第k个外部描述符； 步骤2-2，构建边特征为： ； 其中， ； ； ； 式中，分别为第一边特征、第二边特征、第三边特征，表示第j个节点在样本即成分数据中的摩尔分数；、分别为第i个节点、第j个节点对应的四维one-hot向量，表示为；分别为第i个节点、第j个节点对应的三维one-hot向量，表示为； 步骤2-3，将每个样本形式化为： ； 式中，为节点集合；为边集合；为节点特征矩阵；为边特征矩阵；为模量； 步骤3具体包括： 步骤3-1，建立改进的图神经网络信息传递机制： ； 其中， ； ； 式中，为图神经网络第t层第j个节点发送到第i个节点的消息，为第i个节点的聚合消息，为第t层中表示第j个节点对第i个节点的重要性权重，为第t层中第j个节点的特征表示，为第t+1层中第i个节点的特征表示，为第t层中第i个节点的特征表示，表示层归一化函数，表示激活函数，表示整合所有信息的多层感知机，为对边特征的非线性编码，为参数矩阵；分别为可训练的权重矩阵，用于将输入的节点表示、邻居表示、边特征及全局成分向量线性映射至统一维度的向量空间；为与第i个节点相邻的节点集合；为成分向量； 步骤3-2，基于步骤3-1的机制实现图神经网络消息传递与节点状态更新； 步骤3-3，计算样本的图级表征； 步骤3-4，基于图级表征计算模量； 步骤3-3中计算样本的图级表征，具体计算公式为： ； 其中， ； ； 式中，为样本的图级表征，为读出阶段的多层感知机，为引入的成分向量，表示局域加权池化特征，表示全局统计特征，表示第i个节点的局部权重，为图神经网络第T层的第i个节点的表示，T为图神经网络的深度，表示均值函数，表示标准差函数；N表示节点总数。

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南京玻璃纤维研究设计院有限公司，其通讯地址为：210012 江苏省南京市雨花西路安德里30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。