专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果501699个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于图贝叶斯优化的分子发现方法-CN201911327186.0有效
  • 杨博;崔佳旭;张春旭;孙冰怡 - 吉林大学
  • 2019-12-20 - 2023-08-18 - G16C10/00
  • 本发明涉及一种基于图贝叶斯优化的分子发现方法。所述方法包括:获取候选分子集合;从所述候选分子集合中随机选取若干个分子进行性质评估,得到分子性质对集合;根据所述分子性质对集合对代理模型进行训练,得到训练后的代理模型;根据所述训练后的代理模型对所述候选分子集合中的分子分别进行性质预测,从所述候选集合中选择希望分子进行性质评估,得到希望分子性质;根据所述希望分子性质找到具有期望性质分子。本发明基于图贝叶斯优化的分子发现方法通过对候选集中的分子进行预测,再根据预测结果选择分子进行评估得到分子的实际性质,有根据的选择分子进行评估,减少分子的评估次数,从而减小分析评估的代价。
  • 一种基于图贝叶斯优化分子发现方法
  • [发明专利]一种模型训练的方法以及分子性质信息的预测方法及装置-CN202310714271.2在审
  • 陈红阳;陈湘菊;安丰;肖竹 - 之江实验室
  • 2023-06-15 - 2023-08-01 - G16B15/30
  • 本说明书公开了一种模型训练的方法以及分子性质信息的预测方法及装置,通过构建出指定蛋白降解靶向嵌合体分子的三维分子图数据,该三维分子图数据充分的表征出指定蛋白降解靶向嵌合体分子分子结构的特征,将该三维分子图数据输入到预测模型中后,预测模型会根据三维分子图数据,来预测指定蛋白降解靶向嵌合体分子分子性质信息,进而根据预测出的分子性质信息以及指定蛋白降解靶向嵌合体分子对应的实际分子性质信息之间的偏差,对预测模型进行训练,使得后续在预测分子性质信息的过程中,可以通过该预测模型实现快速、准确的分子性质信息的预测,从而提高了分子性质信息的探索效率以及准确性。
  • 一种模型训练方法以及分子性质信息预测装置
  • [发明专利]一种基于图神经网络的可解释性分子性质预测方法及系统-CN202211702643.1在审
  • 刘宇鹏;张涵;张晓晨 - 哈尔滨理工大学
  • 2022-12-28 - 2023-03-14 - G16C20/30
  • 一种基于图神经网络的可解释性分子性质预测方法及系统,涉及分子性质预测领域。本发明是为了解决现有分子性质预测方法还存在预测准确率低的问题。本发明包括:获取待预测小分子数据集,将小分子数据集输入到分子性质预测网络中获得分子性质分子性质预测网络,通过以下方式获得:获取小分子数据集,利用小分子数据集获得训练好的图神经网络模型;将训练好的图神经网络模型和小分子数据集输入到可解释图神经网络模型,获得官能团;利用官能团生成官能团树,利用官能团树对第一图神经网络预训练获得预训练好的第一图神经网络模型;对预训练好的第一图神经网络模型进行微调获得分子性质预测网络。本发明用于预测分子性质
  • 一种基于神经网络解释性分子性质预测方法系统
  • [发明专利]一种预测方法、装置、可读存储介质及电子设备-CN202310420710.9在审
  • 陈红阳;李瑞凤 - 之江实验室
  • 2023-04-14 - 2023-07-18 - G16C20/30
  • 本说明书公开了一种预测方法、装置、可读存储介质及电子设备,基于待预测分子分子结构,通过图神经网络模型,确定该待预测分子的子结构对应的指定子图,进而基于指定子图对应的指定特征,以及预设的各指定性质的表征特征,确定指定子图具有的指定性质,进而预测该待预测分子分子性质。可见,该待预测分子具有其对应的分子性质,是因为该待预测分子包含具有指定性质的子结构。显然,该预测方法为该待预测分子具有其对应的分子性质提供了可解释性,保证了该预测结果的可信度。
  • 一种预测方法装置可读存储介质电子设备
  • [发明专利]基于深度条件循环神经网络的全新分子生成方法-CN202210883279.7在审
  • 杨胜勇;汪益妃;邹俊;杨欣;吴明 - 四川大学
  • 2022-07-26 - 2022-10-25 - G16C20/50
  • 本发明公布了一种基于深度循环神经网络的全新分子生成方法,利用循环神经网络框架的特征提取器和分子生成器以及基于成药与靶标相关规则构建的性质筛选器,建立了全新分子生成模型。该方法将化合物分子表示为SMILES(简化分子线性输入规范),通过模型训练阶段,学习训练数据化合物分子特征,得到训练模型;通过分子重构阶段,利用训练模型重构分子;通过分子生成阶段,利用训练模型生成分子;通过分子筛选阶段,利用性质筛选器筛选具有特定性质分子。本发明可用于全新化合物分子的生成,通过单次训练即可模拟训练分子的特征和性质,从而进行具有特定性质分子生成。采用本发明生成的分子具有分子结构新颖、类药性质优异的特点。
  • 基于深度条件循环神经网络全新分子生成方法
  • [发明专利]基于图神经网络的分子性质预测方法和系统-CN202210944763.6在审
  • 司马鹏 - 苏州创腾软件有限公司
  • 2022-08-08 - 2022-11-01 - G16C20/50
  • 本发明实施例公开了一种基于图神经网络的分子性质预测方法和系统,所述方法包括:获取待预测分子的数据文件,并将所述数据文件转换为图数据,所述图数据包括多个节点和多个边,所述节点表征构成所述待预测分子的原子,所述边表征所述带预测分子的化学键;将所述图数据输入预先训练的分子性质预测模型,以得到所述待预测分子分子特性;其中,所述分子性质预测模型是根据分子图样本训练得到的,所述分子图样本为数据文件样本转换而成的无向图,无向图中的节点表示组成分子样本的原子,所述无向图中的边表示所述分子样本的化学键。该方法和装置能够契合分子性质预测的特点,利用预先训练的分子性质预测模型,快速准确地输出分子性质
  • 基于神经网络分子性质预测方法系统
  • [实用新型]分子性质演示器-CN201320888302.8有效
  • 苑乃香 - 苑乃香
  • 2013-12-31 - 2014-06-25 - G09B23/26
  • 分子性质演示器,包括三个给定体积的瓶体Ⅰ、瓶体Ⅱ和瓶体Ⅲ,瓶体Ⅰ和瓶体Ⅱ之间连接有瓶颈,瓶颈上设有刻度线Ⅰ,瓶体Ⅱ和瓶体Ⅲ之间设置有显示管,显示管上设置有分度刻度线,分度刻度线的刻度值为0.1ml,瓶体本实用新型结构简单,操作方便,实用性强,本实用新型既可以做两种液体的混溶体积缩小实验,也可做混溶体积增大实验;既可以做体积变化的定性实验,也可以定量测算体积变化值;可以连续做液体分子扩散实验、液体混溶体积变化实验及热胀冷缩实验;可以做气体分子扩散实验。
  • 分子性质演示
  • [发明专利]一种分子级柴油调和方法-CN201910211204.2有效
  • 何恺源;艾双 - 广东辛孚科技有限公司
  • 2019-03-20 - 2021-01-29 - C10L1/04
  • 本发明涉及一种分子级柴油调和方法,本发明采用基于分子的柴油性质建模方法,利用分子性质建模,准确计算柴油各项性质,包括十六烷值、十六烷指数、凝点、冷滤点、闪点(闭口)、运动粘度、多环芳烃含量、馏程温度、密度及硫含量;其中,分子级的柴油性质计算方法适用于任何柴油,比传统方法准确度高;另外,本发明采用从柴油宏观性质反演解析柴油分子浓度的方法获得柴油分子组成,解析出来的分子可真实反映柴油组成,获取柴油分子的方法比用仪器分析成本低、速度快;且计算出来的调和配方为最优配方,调和性质满足调和要求,可有效降低企业调和成本。
  • 一种分子柴油调和方法
  • [发明专利]燃料化学品性质建模预测方法及系统-CN202010355982.1在审
  • 韩东;管程 - 上海交通大学
  • 2020-04-29 - 2020-08-14 - G16C20/20
  • 本发明提供了一种燃料化学品性质建模预测方法及系统,包括:步骤1:选定研究的燃料化学品种类与性质参数,采集燃料化学品测定的性质参数实验数据;步骤2:按照预设的输入规范描述燃料化学品分子结构;步骤3:将分子结构作为输入参数,燃料化学品性质参数作为输出参数,计算燃料化学品分子结构的分子拓扑指数;步骤4:根据燃料化学品测定的性质参数实验数据、分子结构和分子拓扑指数,建立活性子空间预测模型,得出预测的燃料化学品性质参数。本发明建立起的活性子空间模型一方面能对燃料化学品性质进行预测,以减小测量实验工作量,另一方面可用于对燃料化学品分子结构与性质之间的关系与影响机理的研究。
  • 燃料化学品性质建模预测方法系统
  • [发明专利]基于多任务胶囊自编码器神经网络的全新分子生成方法-CN202011247808.1有效
  • 邹俊;杨胜勇;李侃;杨欣 - 四川大学
  • 2020-11-10 - 2022-11-01 - G16B15/30
  • 本发明公布了一种基于多任务胶囊自编码器神经网络的全新分子生成方法,利用自编码器框架,建立了包括编码器、多任务胶囊分类器和解码器的全新分子生成模型。该方法将药物分子表示为SMILES(简化分子线性输入规范),标记目标性质标签,通过训练阶段学习已知药物分子的特征,得到训练模型;通过重构阶段,利用训练模型重构分子;通过生成阶段,利用训练模型生成分子,这些生成的分子同时具备设定的多种目标性质,同时生成的分子中具有大量的新分子与新骨架。本发明可用于药物或化合物等多种分子的生成,通过一次训练即可学习已知药物的特征和性质,从而进行同时满足所需物理、化学和生物性质分子生成。采用本发明生成的分子有效性更高,性质更为优异。
  • 基于任务胶囊编码器神经网络全新分子生成方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top