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！

龙图腾网获悉闽江学院申请的专利一种有机无机杂化钙钛矿性能预测方法、预测系统及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：CN116796834B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310820237.3，技术领域涉及：G06N5/02；该发明授权一种有机无机杂化钙钛矿性能预测方法、预测系统及装置是由洒荣建;胡俊杰;李德晶;张燕杰;叶远松设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本一种有机无机杂化钙钛矿性能预测方法、预测系统及装置在说明书摘要公布了：本发明公开了一种有机无机杂化钙钛矿性能预测方法、预测系统及装置，具体步骤如下：获取任意的有机无机杂化钙钛矿的结构信息数据；从结构数据中提取有机骨架结构信息和无机骨架结构信息并转化为图网络输入数据，利用图神经网络处理得到骨架结构信息的演化结果，有机骨架结构信息和无机骨架结构信息聚合后编码为量子态数据，将聚合后的量子态数据输入到具有学习功能的预测量子图神经网络中，并对预测量子图神经网络进行训练和优化；最后利用优化后的预测量子图神经网络求解目标有机无机杂化钙钛矿构效关系。该方法能够在量子计算平台以及经典量子协同的计算体系架构下，采用量子图神经网络求解有机无机杂化钙钛矿的构效关系。

本发明授权一种有机无机杂化钙钛矿性能预测方法、预测系统及装置在权利要求书中公布了：1.一种有机无机杂化钙钛矿性能预测方法，其特征在于，具体步骤如下： S1，将任意的有机无机杂化钙钛矿的结构信息作为输入，标记为结构数据S0； S2，从结构数据S0中提取有机骨架结构信息，输入至用于提取有机骨架结构特征的第一量子图神经网络中，将有机骨架结构信息编码为量子态后调用具有量子计算特效的量子神经网络，获取演化后量子态信息用于优化第一量子图神经网络； S3，从结构数据S0中提取无机骨架结构信息，输入至用于提取无机骨架结构特征的第二量子图神经网络中，将无机骨架结构信息编码为量子态后调用具有量子计算特效的量子神经网络，获取演化后量子态信息用于优化第二量子图神经网络； S4，将有机骨架结构信息和无机骨架结构信息的特征描述聚合后编码为量子态数据，将聚合后的量子态数据输入到具有学习功能的预测量子图神经网络中，并对预测量子图神经网络进行训练和优化； S5，利用优化后的第一量子图神经网络和第二量子图神经网络获取目标有机无机杂化钙钛矿的有机骨架结构特征和无机骨架结构特征并进行聚合，将聚合数据编码为量子态输入优化后的预测量子图神经网络求解目标有机无机杂化钙钛矿的目标物理性质和或化学性质； 步骤S2中，从结构数据S0中提取有机骨架结构信息并编码为量子态数据的具体步骤如下： 根据有机骨架结构信息SA计算有机分子结构对应的邻接矩阵DA1，结合SA和DA1计算有机分子骨架的原子向量，将不同原子的向量的排序与DA1中反映的分子拓扑结构相对应，得到有机原子向量数据DA2；将DA1和DA2结合的结果编码为输入量子态后传入第一量子图神经网络中执行计算； 步骤S2中，优化第一量子图神经网络的具体步骤如下： 将DA1和DA2结合的结果DA3按照量子态密度矩阵的数学特征进行编码，并将编码后的结果由参数化量子线路组成的量子神经网络处理，获取测量结果，参数化量子效率更新第一量子图神经网络中的权重，并更新图网络的节点及边信息DA4； 步骤S3中，从结构数据S0中提取无机骨架结构信息并编码为量子态数据的具体步骤如下： 根据无机骨架结构信息SB中的拓扑结构计算无机骨架的邻接矩阵DB1，根据无机骨架中的原子结构信息计算得到无机原子向量数据DB2；将DB1和DB2结合的结果编码为输入量子态后传入第二量子图神经网络中执行计算； 步骤S3中，优化第二量子图神经网络的具体步骤如下： 将DB1和DB2结合的结果DB3按照量子态密度矩阵的数学特征进行编码，并将编码后的结果由参数化量子线路组成的量子神经网络处理，获取测量结果，参数化量子效率更新第二量子图神经网络的权重，并更新图网络的节点及边信息DB4； 所述的邻接矩阵对分子中原子骨架信息的描述包括原子骨架信息和电荷虚拟位，所述的电荷虚拟位用于描述分子带电信息。

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闽江学院，其通讯地址为：350108 福建省福州市闽侯县上街镇溪源宫路200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。