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！

龙图腾网获悉香港科技大学深圳研究院申请的专利一种基于时间序列图神经网络的溶解性有机分子的降解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：CN121583361B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610107177.4，技术领域涉及：G16C20/10；该发明授权一种基于时间序列图神经网络的溶解性有机分子的降解预测方法是由何丁;赵毅夫;赵辰;刘同存;易沅壁设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本一种基于时间序列图神经网络的溶解性有机分子的降解预测方法在说明书摘要公布了：本发明涉及环境地球化学技术领域，特别涉及一种基于时间序列图神经网络的溶解性有机分子的降解预测方法。本发明提供的溶解性有机分子的降解预测方法，基于已有水体降解全流程分子组成数据集，按照指定标准进行数据标准化处理；随后将标准数据矩阵转化为分子图网络并输入至时间序列图神经网络中，以时间顺序组织后形成图序列；通过分子结构的图网络特征与环境条件的时间序列约束相结合，构建动态图神经网络模型实现对环境中有机分子在不同条件下的降解路径、速率及潜在产物的高精度预测。本发明引入规则合理性约束与可解释性机制，可有效保障预测结果的化学有效性并提供可解释性输出结果，从而进一步增强模型的可靠性与可解释性。

本发明授权一种基于时间序列图神经网络的溶解性有机分子的降解预测方法在权利要求书中公布了：1.一种基于时间序列图神经网络的溶解性有机分子的降解预测方法，其特征在于，包括： 数据采集与数据预处理，使用高分辨率傅里叶变换离子回旋共振质谱对不同时间与降解阶段的水体样品进行测试，获取现存有机分子的分子式及相对丰度；并将获得的数据进行清洗、标准化处理后转化为标准数据矩阵； 构建时间序列图神经网络，将标准数据矩阵以分子图形式输入至时间序列图神经网络中，按时间顺序组织后形成图序列； 通过训练时间序列图神经网络模型，学习并构建有机分子间转化关系网络，从而预测分子在不同时间与环境条件下的降解路径；节点与边的特征学习重点在于提取分子间拓扑关系和化学属性特征，量化节点在全局和局部网络中的重要性以及分子的内在性质；边则学习基于局部连接和全局连接特征；引入Graphlet度向量，通过向量化节点在局部网络中的结构，统计其周围小型联通子图的频率，以精确捕捉节点邻域的拓扑特征； 所述Graphlet度向量公式如式1所示： 1； 其中，为待计算特征向量的目标节点；表示特定的节点角色，即某节点在某Graphlet中的唯一结构位置；表示节点在其邻域内的根节点出现次数；则为所考虑不同节点总数，其值取决于Graphlet的最大尺寸； 基于物理学基本原理或和化学规则，对预测的降解路径进行合理性效验；对关键反应位点进行可视化识别，生成可解释的预测结果。

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香港科技大学深圳研究院，其通讯地址为：518000 广东省深圳市高新科技产业园南区粤兴一道9号香港科大深圳产学研大楼415室；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。