一种化学分子结构的图神经网络表征方法及装置

发明专利有效专利

申请号：
CN202110589957.4
IPC分类号：G16C10/00;G16C20/40;G16C20/70;G06N3/04;G06N3/08
申请日期：
2021-05-28
申请人：
北京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种化学分子结构的图神经网络表征方法及装置
申请号	CN202110589957.4	申请日期	2021-05-28
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-27	公开/公告号	CN113314189A
优先权	暂无	优先权号	暂无
主分类号	G16C10/00	IPC分类号	G;1;6;C;1;0;/;0;0;;;G;1;6;C;2;0;/;4;0;;;G;1;6;C;2;0;/;7;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	北京航空航天大学	申请人地址	北京市海淀区学院路37号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京航空航天大学	当前权利人	北京航空航天大学
发明人	李建欣;孙庆赟;杨贝宁;彭浩;季诚;傅星珵
代理机构	北京中创阳光知识产权代理有限责任公司	代理人	尹振启

摘要

本发明通过机器学习领域的方法，实现了一种化学分子结构的图神经网络表征方法及装置。包括三个步骤，步骤一为子图采样和编码步骤，进行子图采样并使用图神经网络对子图进行编码；步骤二为显著性子图选择步骤，引入强化学习筛选显著子图机制构建有限的马尔可夫过程解决显著子图选择中先验知识不足的问题；步骤三为子图骨架图构建和层次化聚合步骤，构造子图骨架图并进行子图内和子图间的层次化信息聚合，并通过自监督互信息增强机制，实现一个图神经网络表征新框架，最终实现自动高精度获得子图表征、自适应地捕捉化学分子结构的重要局部结构、可明确指出导致化学分子结构性质预测结果的具体局部结构的方法。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供