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！

龙图腾网获悉湖南大学申请的专利一种基于多步信息融合的分子逆合成预测方法及系统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：CN121641254B 。

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：202610151625.0，技术领域涉及：G16C20/30；该发明授权一种基于多步信息融合的分子逆合成预测方法及系统是由刘益萍;林阿杰;陈雨洁;于洲;刘元盛;宋勃升;曾湘祥设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本一种基于多步信息融合的分子逆合成预测方法及系统在说明书摘要公布了：本发明涉及分子逆合成预测技术领域，公开了一种基于多步信息融合的分子逆合成预测方法及系统。针对现有单步预测模型仅依赖当前分子结构特征，缺乏多步路径层面的可合成性引导问题，该方法首先利用知识图谱嵌入对单步反应进行语义建模；接着构建多步反应有向图，利用关系图卷积网络聚合邻居信息以生成路径融合特征；最后在基于Transformer架构的预测模型解码阶段，引入所述路径融合特征，通过外部注意力机制实现其与当前合成路径编码特征的动态交互，将全局可合成性信息注入反应物的生成过程。该方法能够充分利用合成路径的上下文约束与化学反应先验知识，显著提升了逆合成路径预测的准确性及最终路线的落地可行性。

本发明授权一种基于多步信息融合的分子逆合成预测方法及系统在权利要求书中公布了：1.一种基于多步信息融合的分子逆合成预测方法，其特征在于，包括以下步骤： 单步反应建模：将反应数据集中每个单步反应建模为三元组形式，并采用知识图谱嵌入模型对正负样本进行对比学习，以获得能够反映分子结构特征及反应语义关联的单步反应节点表征； 多步路径特征融合：基于所述单步反应建模获得的节点表征构建多步反应有向图，并利用关系图卷积网络进行多层特征融合，通过消息传递与邻居信息聚合，得到同时包含自身单步信息与路径上下文的融合节点表征； 反应物预测与合成路径生成：在基于Transformer架构的反应物预测模型的解码阶段，引入所述多步路径特征融合获得的多步路径融合特征，利用外部注意力机制实现模型编码器输出与融合节点表征的交互，以提升单步预测的准确性；并在路径生成阶段，结合搜索算法递归扩展合成路径，直至路径终点与数据库中已知的起始原料匹配； 所述多步路径特征融合中关系图卷积网络包括嵌入层与两层卷积层，并配合Dropout机制进行正则化；网络的前向传播过程包括以下步骤：首先，将输入的节点编号nids通过嵌入层映射为对应的节点表示x；随后，将节点表示输入至第一层卷积层，在卷积运算中结合图结构g的边类型信息及归一化因子进行特征传播与聚合，得到第一层的节点隐含表示，并通过激活函数引入非线性变换；接着，利用Dropout层对隐含表示进行随机丢失参数操作，以降低过拟合风险并提升模型的泛化能力；然后，将经过处理的节点表示输入至第二层卷积层，继续结合边类型与归一化信息完成特征更新，获得更高层次的节点表示；最后，通过Dropout层进一步正则化，得到该网络的最终输出；所述关系图卷积网络用于获取多步路径的融合特征，在训练过程中基于排序损失函数进行优化，约束正三元组的预测得分高于负三元组的得分，最终得到256维的多步路径融合特征表示； 所述反应物预测与合成路径生成中的反应物预测模型为一种基于Transformer的结构，该结构包括嵌入模块、编码器、解码器、记忆机制模块以及多步路径融合特征与编码器输出交互模块，其中：所述嵌入模块用于将输入的产物或反应物的字符编号映射为向量表示并加入位置编码，输出作为后续编码器与解码器的输入；所述编码器由多层自注意力编码器层堆叠组成，每一层依次包括自注意力机制、残差连接与层归一化、前馈全连接网络及正则化处理，用于提取产物序列的高阶表示；所述记忆机制模块用于对编码器输出进行多层记忆注意力处理，以融合历史反应或路径信息；所述多步路径融合特征与编码器输出交互模块通过线性映射与多头注意力机制实现产物表征与多步路径融合特征的交互融合，并经残差与层归一化稳定表征后输入解码器；所述解码器由多层解码器层堆叠组成，每层包括自注意力机制、互注意力机制及前馈网络结构，用于结合产物表征与多步路径融合特征对反应物序列进行建模，解码器输出经线性映射得到反应物的预测概率分布，从而生成目标反应物序列； 所述反应物预测与合成路径生成中反应物预测模型通过外部注意力机制实现多步路径融合特征与编码器输出的交互；该外部注意力机制的实现过程包括如下步骤：首先，通过线性映射将模型编码器输出的产物表征投影到与多步路径融合特征相同的维度空间，以确保两类特征能够在同一表示空间中进行对齐，其中投影操作的参数由可学习矩阵表示，输入为编码器输出的产物表征，输出为投影后的产物向量；随后，将投影后的产物表征作为查询，多步路径融合特征作为键与值，利用多头注意力机制对两者进行交互计算，每个注意力头的计算通过加权求和方式实现特征融合，并将多个注意力头的结果通过线性变换进行合并形成最终的注意力输出；在完成注意力交互后，模型进一步通过残差连接与层归一化操作将融合后的特征与原产物表征结合；最后，将融合后的特征通过线性映射重新投影到解码器原有的嵌入维度，以保证与解码器输入特征维度一致，从而生成最终用于反应物预测的特征表示。

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湖南大学，其通讯地址为：410006 湖南省长沙市岳麓区麓山南路麓山门；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。