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！

龙图腾网获悉苏州工学院申请的专利一种基于机器学习的光谱与分子结构的比对匹配系统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：CN120508836B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510999873.6，技术领域涉及：G06F18/22；该发明授权一种基于机器学习的光谱与分子结构的比对匹配系统是由王睿涵;谢泰来;张昀轩;沈骏宇设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于机器学习的光谱与分子结构的比对匹配系统在说明书摘要公布了：本发明公开了一种基于机器学习的光谱与分子结构的比对匹配系统，涉及光谱智能解析领域，该系统包括模型构建模块、训练优化模块、计算候选模块、和解释可视化模块。本发明通过构建多模态深度学习模型，自动提取光谱与结构的深层语义特征，大幅提升光谱解析与分子结构匹配的准确性与鲁棒性。采用共享嵌入空间学习策略，将不同模态投影到同一特征空间，实现统一匹配与相似度评分。引入注意力机制，实现谱峰与分子结构片段之间的可视化映射，有助于理解每一个谱峰背后所对应的化学基团或原子，增强匹配结果的可解释性。

本发明授权一种基于机器学习的光谱与分子结构的比对匹配系统在权利要求书中公布了：1.一种基于机器学习的光谱与分子结构的比对匹配系统，其特征在于，包括： 模型构建模块，用于构建谱图向量与分子结构向量之间的匹配模型，所述匹配模型基于多模态深度学习架构，融合卷积神经网络提取光谱模式特征和图神经网络提取分子结构特征，将原始光谱信号标准化为定长向量形式，构造谱图向量： ； 其中，S为谱图向量，si为第i个采样点的光强值，L为谱图采样点数量，为实数空间； 将候选分子结构表示为图，使用一维卷积神经网络提取谱图的局部模式特征，通过图神经网络对分子图进行多轮消息传播，使用两个全连接网络将两种特征映射至同一维度的嵌入空间；采用共享嵌入空间学习策略训练谱图与分子结构之间的相关性评分函数，将分子图输入图神经网络，每轮传播更新节点表示如下： ； 其中，为节点v的邻居节点集合，l为当前的GNN层数，为节点u在第l层的特征表示，为节点v在第l+1层更新后的特征表示，AGG为聚合函数，为第l层的可学习权重参数，为非线性激活函数； 最终聚合所有节点得到结构嵌入，通过共享维度的嵌入空间，使得匹配对之间的嵌入距离最小化，构造相似度评分函数，余弦相似度评分表达式如下： ； 其中，S为某一份已知的谱图数据，G为某一个候选分子的结构图，为光谱样本S经CNN编码器后得到的嵌入向量，为分子图G经GNN编码器后得到的嵌入向量； 训练优化模块，用于将已知结构-光谱配对样本作为训练数据，采用对比学习或三元组损失函数进行训练； 计算候选模块，用于针对输入的目标谱图，通过匹配模型计算与数据库中所有候选分子的匹配得分，对所有候选分子结构向量，计算与目标谱图向量的相似度评分，根据得分将所有候选结构排序： ； 取前Top-K个高得分候选分子作为识别结果，输出包括匹配候选分子列表、 对应匹配得分以及排名；根据匹配得分对候选分子进行排序，输出与目标光谱相关的Top-N个候选结构； 解释可视化模块，用于将中间注意力权重映射回光谱峰位与结构中的原子或基团，实现谱图与分子结构的对齐解释，在谱图嵌入编码器与结构编码器中间插入交叉注意力层，对每个谱峰向量，计算其与每个结构节点的注意力权重： ； 其中，为第i个谱峰与第j个结构节点之间的注意力权重，为第i个光谱峰位的嵌入向量，为第j个分子结构中节点的嵌入向量，M为分子结构中的节点总数，是分子结构中第k个节点的嵌入向量； 对于每个谱峰，根据注意力最大值所对应的结构节点索引；若对多个基团组合解释，对αij进行阈值筛选，选取αijδ的所有j作为关联原子集合；将Top-N候选结构进行结合实验质谱和NMR数据进一步确认。

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苏州工学院，其通讯地址为：215506 江苏省苏州市常熟市南三环路99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”。