[发明专利]使用经训练的统计模型进行多模态预测的方法和装置在审
申请号: | 201980050949.3 | 申请日: | 2019-05-08 |
公开(公告)号: | CN112513990A | 公开(公告)日: | 2021-03-16 |
发明(设计)人: | 乔纳森·M·罗斯伯格;翰睿·利钦斯坦;乌穆特·伊瑟;迈克尔·梅耶;马利兰斯·赫尔南德斯;天恩·徐 | 申请(专利权)人: | 宽腾矽公司 |
主分类号: | G16C20/30 | 分类号: | G16C20/30;G16C20/70;G16B20/00;G16B40/20;G16B5/00 |
代理公司: | 隆天知识产权代理有限公司 72003 | 代理人: | 石海霞;金鹏 |
地址: | 美国康*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 用于使用统计模型来预测第一模态的输入数据和第二模态的数据之间的关联的方法和装置,该统计模型被训练为表示具有包括第一模态和第二模态的多个模态的数据之间的交互,统计模型包括多个编码器和解码器以及耦合多个编码器和解码器的联合模态表示,每个编码器和解码器被训练为处理用于多个模态之一的数据。该方法包括:基于第一模态和第二模态,从多个编码器和解码器中选择编码器/解码器对或成对的编码器;以及利用联合模态表示和选择的编码器/解码器对或成对的编码器来处理输入数据,以预测输入数据与第二模态中的数据之间的关联。 | ||
搜索关键词: | 使用 训练 统计 模型 进行 多模态 预测 方法 装置 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宽腾矽公司,未经宽腾矽公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201980050949.3/,转载请声明来源钻瓜专利网。
- 同类专利
- 用于防晒产品的UV防护预测的方法和系统-202280010949.2
- 李东烈;夏军涛;M·索恩;B·赫尔佐克;曹力威;A·拉普金 - 巴斯夫欧洲公司;剑桥大学校长、教授、学者和学生
- 2022-01-05 - 2023-10-24 - G16C20/30
- 本发明涉及一种用于防晒产品的UV防护预测的方法和系统,其包括a)选择防晒产品的特征,其中所述特征包括粘度、高极性润肤剂、中极性润肤剂、低极性润肤剂、UVA滤光剂、UVB滤光剂、UVB滤光剂与UVA滤光剂的比率、油相中的UV滤光剂与水相中的UV滤光剂的比率以及吸收型UV滤光剂与散射/反射型UV滤光剂的比率;c)将所述特征输入到预测模型中,所述预测模型是通过使用一种或多种机器学习技术构建和拟合的;以及d)通过步骤c)的预测模型来计算防晒产品的UV防护预测值。
- 用于评估免疫抑制剂的曲线下面积的方法及相关方法和系统-202180072669.X
- J-B·威拉德;P·马凯特 - 国家医疗保健研究所;利摩日大学;利摩日医疗急救中心
- 2021-10-26 - 2023-10-13 - G16C20/30
- 免疫抑制剂的曲线下面积(AUC)是受试者器官中总体暴露于免疫抑制剂后的最佳暴露标记。然而,在常规护理中测量AUC是复杂的,因为它在给药间隔期间需要多个血液样品,这可能是昂贵的并且在临床上是不切实际的。本发明提出使用人工智能技术基于一些预测因子的值来预测AUC值。这种方法导致令人惊讶的准确结果。值得注意的是,该方法能够仅用两个样品获得满意的结果。
- 配方生成-202180086632.2
- 杨哲雄;J·张;Z·T·蒋;J·巴尔特 - 巴斯夫欧洲公司;巴斯夫新材料有限公司
- 2021-12-23 - 2023-10-10 - G16C20/30
- 用于生成合成规范的计算机实现方法,其包括以下步骤:经由通信接口向计算机处理器提供新的合成规范的提议的目标应用属性;经由所述通信接口向所述计算机处理器提供数据驱动模型,所述数据驱动模型基于包括组分的历史列表、每一种组分的历史量和历史目标标准的历史合成规范而被参数化;经由所述计算机处理器,基于所述数据驱动模型和所述目标应用属性来确定目标合成规范;以及经由所述通信接口向输出单元提供所述目标合成规范,所述目标合成规范包括目标组分的列表和每一种组分的量。
- 使用神经网络预测原子系统的交换相关能量-202280009287.7
- 詹姆斯·柯克帕特里克;布伦丹·查尔斯·麦克莫罗;大卫·赫伯特·菲利普·图尔班;亚历山大·劳埃德·冈特;詹姆斯·斯潘塞;亚历山大·格雷姆·德·加里斯·马修斯;阿伦·乔纳森·科恩 - 渊慧科技有限公司
- 2022-01-07 - 2023-09-19 - G16C20/30
- 用于预测原子系统的交换相关能量的方法、计算机系统和装置,包括在计算机存储介质上编码的计算机程序。该系统:获得多个网格点的每个处的原子系统的相应的电子轨道特征;为多个网格点中的每一个生成该网格点处的电子轨道特征的相应的输入特征向量;以及使用神经网络处理多个网格点的相应的输入特征向量以生成原子系统的预测的交换相关能量。
- 信息处理系统、信息处理方法及信息处理程序-202180089147.0
- 花冈恭平 - 株式会社力森诺科
- 2021-11-22 - 2023-09-12 - G16C20/30
- 一实施方式所涉及的信息处理系统具备至少一个处理器。至少一个处理器获取针对多个成分对象的每一个的数值表示及复合比,根据多个数值表示执行机器学习,计算与多个成分对象对应的多个回归参数,将多个复合比适用于由多个回归参数定义的回归模型,计算表示通过使多个成分对象复合而获得的复合对象的特性的预测值。
- 用于感官特性预测的机器学习模型-202180083023.1
- A·维尔奇科;W·钱;J·魏;B·M·桑切斯-伦格林;B·K·李;Y·王 - 奥思妙实验室
- 2021-11-12 - 2023-08-29 - G16C20/30
- 公开了一种用于预测分子是否将是良好的驱蚊剂的计算机实现的方法。该方法包括获得通过转移学习获得的机器学习预测模型。该模型已使用用于气味预测任务的第一更大的训练数据集训练并且用第二更小的训练数据集训练来预测分子是否将作为驱蚊剂起作用。该方法还包括:获得描述所选分子的化学结构的输入数据,提供描述所选分子的化学结构的输入数据作为机器学习预测模型的输入,接收描述所选分子是否将是良好的驱蚊剂的预测数据作为机器学习感官预测模型的输出,以及提供预测数据作为输出。
- 用于轮胎胎面化合物的复合物开发的基于机器学习的预测方法-202180080364.3
- R·隆巴尔迪;P·帕乔塔;A·吉迪 - 普利司通欧洲有限公司
- 2021-11-30 - 2023-08-29 - G16C20/30
- 本发明涉及用于轮胎胎面化合物的复合物开发的基于机器学习的计算机实现的预测方法。该方法包括以下步骤:提供要用作参考的原始数据数据库即由用于现有复合物的配方和相应已知动态属性组成的数据集;根据迭代过程对原始数据数据库中包含的数据进行归一化;通过数据挖掘对归一化数据进行预处理,以消除异常数据并添加与特定类别的实际成分有关的新虚构成分;通过预处理后的数据训练基于自动学习的算法;将训练后的算法应用于表示待测试复合物的配方的实验数据的集合,以预测所述待测试复合物的动态属性。
- 通过主动学习进行药物优化-202280008041.8
- 埃米尔·尼古拉·尼基塔 - 艾克斯赛安西娅人工智能有限公司
- 2022-02-08 - 2023-08-15 - G16C20/30
- 本发明提供了一种通过主动学习用于计算药物设计的方法。该方法包括:定义化合物的群体,每种化合物具有一种或更多种结构特征;定义来自群体的多种生物特性已知的化合物的训练集;以及定义多个目标,每个目标定义期望的生物特性。该方法包括使用化合物的训练集训练贝叶斯统计模型以输出近似群体中的化合物的生物特性的概率分布作为群体中的化合物的结构特征的目标函数。该方法包括确定来自群体的不在训练集中的化合物的子集,子集是根据采集函数的优化来确定的,采集函数的优化基于来自经训练的贝叶斯统计模型的概率分布以及基于定义的目标。该方法包括在所确定的子集中选择至少一些化合物用于合成。
- 用于预测用于个人护理的油或油混合物的感官属性或物理化学特性的系统-202180071403.3
- S·巴塔查里亚;M·赫劳查;D·普林茨;W·艾斯菲尔德 - 巴斯夫欧洲公司
- 2021-10-22 - 2023-07-18 - G16C20/30
- 提出了一种用于预测用于个人护理的油或油混合物的感官属性或物理化学特性的系统(110)。该系统(110)包括用于提供数据的至少一个通信接口(112)和至少一个处理设备(114)。处理设备(114)被配置用于:‑经由通信接口(112)获得油或油混合物的至少一种物理化学特性或至少一种感官属性,以及将一种或更多种物理化学特性与一种或更多种感官属性进行关联的至少一个模型;‑基于所获得的物理化学特性和模型确定油或油混合物的至少一种感官属性,或基于所获得的感官属性和模型确定油或油混合物的至少一种物理化学特性;‑经由通信接口(112)提供所确定的感官属性或所确定的物理化学特性。
- 生成食品配方的神经网络方法-202180059538.8
- 约阿夫·纳文;卡里姆·皮查拉;阿迪特·帕特尔;奥弗·菲利普·科尔松斯基;理查·豪斯曼 - 诺特可特拉华州有限责任公司
- 2021-01-27 - 2023-05-16 - G16C20/30
- 公开了使用人工智能模拟目标食品项的技术。使用多个配料组合来训练配方生成器。训练集可以针对每个配料组合包括对应配料组合中的配料的比例和特征。在给定目标食品项的情况下,配方生成器确定与给定目标食品项匹配的预测配方。该预测配方包括配料集合和该配料集合中每种配料的对应比例。
- 用于训练神经网络设备的计算机实现的方法以及用于生成香氛或风味组合物的相应方法-202180053211.X
- G·高丁;R·范德尔森;V·诺奇;F·A·卡佩拉;G·拉麦特;T·卡尔维拉克;C·奇切斯特尔 - 弗门尼舍有限公司
- 2021-12-17 - 2023-04-18 - G16C20/30
- 计算机实现的方法(100),用于训练自动编码器神经网络或生成性对抗网络设备从而生成要合成的新的香氛或风味成分组合物的不确定且现实的数字表示,包括以下步骤:‑提供(105)一组原始的示例性香氛或风味组合物数字标识符,所述示例性香氛或风味组合物数字标识符代表包含至少两种不同成分的物化的香氛或风味组合物,并且‑使用一组原始的实例性香氛或风味组合物数字标识符来训练(110)自动编码器设备或生成性对抗网络设备,从而生成香氛或风味组合物生成性模型,该香氛或风味组合物生成性模型被训练从而生成将要合成的包含至少两种不同的成分的新的香氛或风味成分组合物。经训练的自动编码器设备或生成性对抗网络设备可用于生成新的香氛或风味成分组合物。
- 使用深度学习的群体PK/PD关联参数分析-202180037912.4
- J·卢 - 基因泰克公司
- 2021-03-25 - 2023-03-28 - G16C20/30
- 本发明提供了一种用于预测与药代动力学效应和药效动力学效应相关的关联参数集的方法和系统。一个或多个处理器接收包括群体药代动力学(PK)数据集和群体药效动力学(PD)数据集的群体数据集。所述一个或多个处理器将所述群体数据集转换成包括PK数据密度图像和PD数据密度图像的多个数据密度图像。所述一个或多个处理器使用所述多个数据密度图像来预测所述关联参数集。
- 香氛成分空间识别度预测方法及香氛组合物空间识别度预测方法-202180046307.3
- D·施切尔巴科夫;A·法德尔;N·奥利利 - 弗门尼舍有限公司
- 2021-09-30 - 2023-03-14 - G16C20/30
- 用于制备包含香氛成分或组合物的香氛组合物的香氛成分或组合物空间识别度预测方法(200)包括以下步骤:‑在计算机界面上选择(205)表示以下参数中的一个和两个之间的值:‑最低感官强度水平,对应于该成分的预定最低心理物理强度,‑最大距离,对应于在最低预定心理物理强度水平下感知成分的距离或‑一定量的液相成分,其中所选择的值是在至少两个不同值的范围内选择的,‑由计算系统来计算(215)表示以下任一参数的值:‑最低感官强度水平,对应于该成分的预定最低心理物理强度,‑最大距离,对应于在默认选择或设置的最小感官强度水平下感知成分的距离,或‑一定量的液相成分,并且其中,所计算的值表示与所选择的值关联的参数以外的参数,并且其中既未选择也未计算的参数的值被设置为默认值,所述成分数字标识符对应于将在香氛组合物中使用的物理成分,该香氛组合物作为所计算和所选择的值的函数而被制备。
- 使用深度学习估计药代动力学参数-202180023622.4
- J·卢 - 基因泰克公司
- 2021-03-23 - 2022-11-25 - G16C20/30
- 本发明提供了一种用于预测施用于受试者的药剂的至少一个药代动力学参数的方法和系统。一个或多个处理器通过一个或多个处理器基于经模拟的训练数据采集来训练神经网络。所述经模拟的训练数据采集包括经模拟的时间序列浓度数据集和与所述经模拟的时间序列浓度数据集相对应的药代动力学参数的模拟值。所述一个或多个处理器接收从受试者获得的所述药剂的时间序列浓度数据集。所述一个或多个处理器使用所述时间序列浓度数据集和已训练的所述神经网络来预测所述药代动力学参数的值。
- 挥发性液体化学化合物物理参数数据库的构建方法及预测模型-202180026100.X
- C·弗勒米尔;L·艾马尔德;J-Y·迪桑特劳梅尔;S·菲兹格拉尔德;G·高丁 - 弗门尼舍有限公司
- 2021-04-30 - 2022-11-25 - G16C20/30
- 本发明涉及一种挥发性液体化学化合物物理参数数据库的构建方法;一种香氛物理组成演变预测方法及相应系统。
- 逆合成相关合成可行性-202180025595.4
- B·泽格瑞贝里尼;E·O·普丁;S·A·费多琴科;Y·A·伊万年科夫;A·扎沃隆科夫 - 英矽智能科技有限公司
- 2021-05-11 - 2022-11-11 - G16C20/30
- 一种用于训练模型以计算合成可行性的方法,包括:访问分子数据库并获得分子;虚拟地将所述分子切片成片段;确定片段的片段频率;计算片段的分子描述符;计算分子的合成难度得分;以及将所述合成难度得分存储在数据库中。一种评估分子合成可行性的方法,所述方法包括:选择目标分子;将所述目标分子分解为分子片段;计算所述目标分子的分子片段的合成难度得分;确定所述分子片段的合成难度得分的总和;确定所述分子片段的片段密度;根据所述合成难度得分的总和以及片段密度计算合成可行性得分;以及提供所述目标分子的合成可行性得分。
- 用于透析毒素置换剂化合物的建模和优化技术-202180012024.7
- X·陶;V·马赫什瓦里;P·科坦科;S·西耶森;N·格罗伯 - 费森尤斯医疗保健控股公司
- 2021-01-29 - 2022-09-09 - G16C20/30
- 系统、方法和/或设备可以操作以执行包括置换剂输注过程的透析过程。在一个实施例中,一种用于确定置换剂化合物的方法可以包括构建多个目标蛋白定量构效关系(QSAR)模型,多个结合位点中的每一个对应一个目标蛋白定量构效关系模型,使用所述多个QSAR分析一组候选者化合物模型以确定具有与所述多个结合位点中的每一个结合的亲和力的至少一个潜在化合物的集合,以及从包括所述至少一个潜在化合物的集合中选择至少一个置换剂化合物。还描述了其它实施例。
- 用于基于分析数据进行表征的机器视觉-202080085716.X
- J·韦德;A·施密特 - 陶氏环球技术有限责任公司
- 2020-12-01 - 2022-07-29 - G16C20/30
- 一种机器视觉技术可用于预测由化学过程产生的产物的特性。预测可以基于使用产生序列数据的检测器对化学过程或由化学过程产生的产物进行的分析表征。可以将序列数据转换为图像并且将其输入到人工神经网络(ANN),该ANN被训练以基于该图像来预测产物的特性。可以从该ANN接收对该产物的该特性的预测,并且该预测用于调整该化学过程或用于确定是否拒绝该产物。
- 构型能量计算和晶体结构预测-202080039547.6
- C·伯纳姆;N·英格利施 - 爱尔兰国立都柏林大学
- 2020-03-30 - 2022-02-11 - G16C20/30
- 描述了用于计算具有多个粒子的周期性边界条件的系统的构型能量的计算机实现的方法。在实施例中,该方法包括以下步骤:定义截止半径,该截止半径定义该系统中的粒子间的非静电相互作用电势截止距离;定义一组晶胞向量以生成模拟晶胞;定义一组超晶胞向量以生成包括所述模拟晶胞的多个副本的超晶胞;对于位于该超晶胞内的每个粒子,计算该粒子与在该截止半径内围绕该粒子的任何和所有另外粒子间的非静电对势,所述非静电对势由该粒子与位于该截止半径内的任何和所有其他粒子的相互作用产生;以及对所有不同的非静电对势求和以提供所述系统的非静电构型能量。
- 用于确定一个产品在当前时间点的保存状态的方法和用于执行所述方法的计算机系统-202080040784.4
- O·布拉斯 - 赛诺菲巴斯德
- 2020-06-03 - 2022-02-08 - G16C20/30
- 一种方法包括:提供计算机系统,计算机系统中存储有定量属性值的唯象演变模型,每个模型具有三到九个参数,所述参数包括初始定量属性值参数,所述计算机系统包括用于计算实验稳定性数据集从而为每个所述模型找到其参数的最佳拟合值的方程求解工具以及用于为每个模型找到估计量的估计量产生工具,所述估计量包括理化参数似然估计量和拟合距离,理化参数似然估计量和拟合距离分别基于实验数据集中的初始定量属性值与为所述模型找到的初始定量属性值参数的最佳拟合值之间的比较以及实验数据集中的值与所述模型给出的对应值之间的比较;基于找到的估计量,在所述模型中选择最佳模型作为定量属性值的演变规律;使用所述演变规律确定所述保存状态。
- 用于产生产品的系统和方法-202080045484.5
- 伊拉克利斯·帕帕斯;巴尔托什·卢钦斯基;吴东辉;金东贤 - 高露洁-棕榄公司
- 2020-06-03 - 2022-02-01 - G16C20/30
- 公开一种用于产生产品的系统、设备和/或方法。接收包含成分的样本化学组合物的身份。接收所述样本化学组合物的性质的值和与所述样本化学组合物的所述性质的所述值有关的特征。将所述样本化学组合物的所述性质的所述值、与所述样本化学组合物的所述性质的所述值有关的所述特征以及所述样本化学组合物的所述身份输入到机器学习模型中。经由所述机器学习模型,基于与所考虑化学组合物的所述性质的所述值有关的特征和所述所考虑化学组合物的身份来确定所述所考虑化学组合物的所述性质的所述值。产生由所述所考虑化学组合物组成的产品。
- 特征向量可行性估计-202080034577.8
- 滨利行 - 国际商业机器公司
- 2020-05-13 - 2021-12-14 - G16C20/30
- 通过从候选分子的特征向量生成表示多个部分结构的数目的目标结构向量,通过使用至少目标结构向量确定候选分子的分子结构是否可行,来估计特征向量可行性。
- 使用机器学习预测分子嗅觉特性的系统和方法-202080019760.0
- A.维尔奇科;B.桑切斯-伦格林 - 谷歌有限责任公司
- 2020-02-10 - 2021-10-22 - G16C20/30
- 本发明提供了用于预测分子嗅觉特性的系统和方法。一种示例方法包括获得机器学习的图神经网络,该机器学习的图神经网络被训练以至少部分地基于与分子相关联的化学结构数据来预测分子的嗅觉特性。该方法包括获得以图方式描述所选分子的化学结构的图。该方法包括向机器学习的图神经网络提供图作为输入。该方法包括接收描述所选分子的一个或多个预测嗅觉特性的预测数据,作为机器学习的图神经网络的输出。该方法包括提供描述所选分子的一个或多个预测嗅觉特性的预测数据作为输出。
- 预测化学结构性质的方法和系统-201980073898.6
- A·E·布里尔顿;萨那·阿尔瓦什;S·S·麦金农;约瑟夫·克里斯蒂安·坎贝尔·索莫迪;A·温德穆特 - 思科利康有限公司
- 2019-09-13 - 2021-09-03 - G16C20/30
- 用于预测样品分子的性质的方法涉及,对于多个参考分子中的每一个,获得多个指纹和至少一种性质,并且获得样品分子的多个指纹。该方法进一步涉及对于多个参考分子中的每一个,使用多个指纹中的每一个,计算到样品分子的距离,并且对于多个参考分子的每一个,基于到样品分子的距离确定相对预测优势。该方法还涉及针对多个参考分子中的每一个,基于相对预测优势确定适应度值,以及基于多个参考分子的至少一种性质和为参考分子获得的适应度值预测样品分子的至少一种性质。
- 用于确定在被诊断患有疾病的受试者中使用药物组合进行治疗的功效的方法以及用于将药物组合在所述受试者的治疗中的效用分类的方法-201980082661.4
- 胡里安·高罗沙蒂格吉伦;何塞·路易斯·罗哈斯鲁迪利亚;霍安·巴列斯特罗斯诺韦利亚;赫苏斯·比略里亚莫里略;皮拉尔·埃尔南德斯德尔坎波;丹尼尔·普里默拉莫斯;杰奎因·马丁内兹洛佩兹;波·蒙特西诺斯费尔南德斯;戴维·马丁内斯夸德龙 - 维维雅生物技术公司
- 2019-10-11 - 2021-07-30 - G16C20/30
- 本发明涉及用于确定在被诊断患有疾病的受试者中使用包含药物A和药物B的药物组合进行治疗的功效的方法和系统,并且涉及用于将包含药物A和药物B的药物组合在被诊断患有疾病的受试者的治疗中的效用分类的方法和系统。本文还公开了一种用于改善估计药物组合的协同作用的准确性的方法。
- 新药候选物质导出方法及装置-201980033341.X
- 裵荣佑;秦承炫 - 迈立塔股份有限公司
- 2019-10-21 - 2021-06-11 - G16C20/30
- 可以公开一种借助于计算装置而执行的新药候选物质导出方法。新药候选物质导出方法可以包括:生成由分别代表生物学实体的节点利用代表所述节点之间相互关联度的连接线进行连接的精确知识网络的步骤;分析精确知识网络中存在的药物‑疾病节点对,决定导出新药候选物质所需的基础药物的步骤;及使用基于人工神经网络的结构预测模型,获得具有与基础药物类似化学结构的类似物质的步骤;生物学实体可以包括基因、蛋白质、新陈代谢体、症状、疾病、化合物及药物中至少一种,在结构预测模型中,可以输入基础药物的基于SMILES(Simplified Molecular‑Inputline‑Entry System:简化分子线性输入规范)的字符串。
- 使用经训练的统计模型进行多模态预测的方法和装置-201980050949.3
- 乔纳森·M·罗斯伯格;翰睿·利钦斯坦;乌穆特·伊瑟;迈克尔·梅耶;马利兰斯·赫尔南德斯;天恩·徐 - 宽腾矽公司
- 2019-05-08 - 2021-03-16 - G16C20/30
- 用于使用统计模型来预测第一模态的输入数据和第二模态的数据之间的关联的方法和装置,该统计模型被训练为表示具有包括第一模态和第二模态的多个模态的数据之间的交互,统计模型包括多个编码器和解码器以及耦合多个编码器和解码器的联合模态表示,每个编码器和解码器被训练为处理用于多个模态之一的数据。该方法包括:基于第一模态和第二模态,从多个编码器和解码器中选择编码器/解码器对或成对的编码器;以及利用联合模态表示和选择的编码器/解码器对或成对的编码器来处理输入数据,以预测输入数据与第二模态中的数据之间的关联。
- 用于预测聚合物性质的系统、方法和计算机程序产品-201980052223.3
- J·A·汤普森-科隆;T·J·派克;D·D·斯特潘;L·金丁;N·查芬;R·德贝克 - 科思创有限公司
- 2019-06-07 - 2021-03-16 - G16C20/30
- 用于预测聚合物的系统、方法和计算机程序产品。一种方法可以包括基于来自至少三个描述符组的目标聚合物的至少一种描述符来确定目标聚合物的一个或多个预测分数,其中,一个或多个预测分数包括对目标聚合物的一种或多种物理性质的预测。一种方法可以包括基于目标聚合物的至少一种期望的物理性质来确定目标聚合物的一个或多个预测分数,其中,一个或多个预测分数包括对目标聚合物的一种或多种原料的预测。
- 用于预测生物聚合物共混物的分子量分布的方法-202080004211.6
- S.H.达斯瓦尼;H.T.黄 - ARC医疗器械股份有限公司
- 2020-03-05 - 2021-03-16 - G16C20/30
- 用于通过共混具有不同分子量分布的多种输入生物聚合物组合物来预测和/或一致地获得均匀生物聚合物组合物的方法、系统等,所述共混基于随所述多种输入生物聚合物组合物的分子量而变的浓度数据。
- 超额化学势的预测性确定-201980036261.X
- O·图雷;B·博伊特;C-G·迪萨 - 罗盖特公司
- 2019-05-28 - 2021-01-08 - G16C20/30
- 披露了用于预测性确定超额化学势的方法,该方法包括以下步骤:a.对溶液中存在的化学物种执行类型分析,以便确定至少一种真实物种,b.将物理量向量与步骤a中确定的每种真实物种相关联,c.对所述物理量向量中的至少一个执行操作,以便确定表观物种的超额化学势。
- 专利分类