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！

龙图腾网获悉青岛大学申请的专利一种基于深度学习的分子性质解释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：CN119993292B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510467052.8，技术领域涉及：G16C10/00；该发明授权一种基于深度学习的分子性质解释方法是由魏志强;李臻;肖骏设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本一种基于深度学习的分子性质解释方法在说明书摘要公布了：本发明公开了一种基于深度学习的分子性质解释方法，属于分子性质解释技术领域，其步骤为：基于预先训练的GNN模型对分子性质进行预测，得到分子节点嵌入；设计一个解释器，基于图Transformer对分子节点嵌入进行更新得到节点特征，利用层次化边选择器确定分子子结构中的边，为了限制和引导子结构的生成过程，设计奖励函数；通过设计的损失函数，对解释器进行迭代训练，直至损失函数满足设定损失值，完成训练学习，获得训练好的解释器；将分子节点嵌入输入训练好的解释器中，输出对分子性质起关键作用的子结构。本发明提升分子性质解释的准确性，具备较高的实施可行性。

本发明授权一种基于深度学习的分子性质解释方法在权利要求书中公布了：1.一种基于深度学习的分子性质解释方法，其特征在于，包括以下步骤： S1、基于预先训练的GNN模型对分子性质进行预测，得到分子节点嵌入； S2、设计一个解释器，基于图Transformer对分子节点嵌入进行更新得到节点特征，利用层次化边选择器确定分子子结构中的边，为了限制和引导子结构的生成过程，设计奖励函数； S3、通过设计的损失函数，对解释器进行迭代训练，直至损失函数满足设定损失值，完成训练学习，获得训练好的解释器； S4、将分子节点嵌入输入训练好的解释器中，输出对分子性质起关键作用的子结构； 所述S2中，通过最大化互信息度量来确定用于解释模型预测分子性质的子结构，表达式为： ；6 其中，为互信息，用于衡量子结构和之间的信息共享程度，是拥有条边的图的子图的集合，是图在预测性质模型GNN中的预测结果，=0表示分子没有活性，=1表示分子有活性； 根据互信息的相关知识，上式变为： ；7 其中，为中的第条边，表示在给定预测分子性质的情况下，边出现的概率分布； 将子结构的生成视为马尔可夫链过程，使用下式获得子结构的第条边： ；8 其中，为在生成的子结构中的第条边的最优选择，为第步候选边集合中的任意一条边，为条件熵，表示在给定和的情况下，选择边的不确定性，表示第步之后的子结构，表示添加到当前解释子图的候选边的集合； 设计一个层次化边选择器用于寻找子结构的第条边，在第步时计算每个候选边的概率，并选择得分最高的边，对于边缘，第一个MLP层边表示生成器进行如下处理： ；9 其中，、分别表示第个节点和第个节点在中的特征，且，表示边的边表示； 第二个MLP层边可能生成器用于生成边的可能，即边的概率得分，表达式为： ；10 其中，是连接操作，是通过预测模型GNN获得的分子图的表示，是边的得分，分数最高的边将被添加到子结构中；已被选入子结构的边，不会再次进入候选边集合；不断重复，直到满足终止条件为止。

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青岛大学，其通讯地址为：266071 山东省青岛市市南区宁夏路308号；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”。