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！

龙图腾网获悉中国科学技术大学申请的专利一种基于双端读出的主漂移室径迹识别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：CN120595361B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511076433.X，技术领域涉及：G01T5/02；该发明授权一种基于双端读出的主漂移室径迹识别方法是由曹喆;韩灵芝;赵雷;秦家军;陈楷仁;李嘉铭设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种基于双端读出的主漂移室径迹识别方法在说明书摘要公布了：本发明公开了一种基于双端读出的主漂移室径迹识别方法，在主漂移室的每个漂移单元的两端分别设置时间测量单元，同步采集高精度的时间信号；根据两端采集信号的时间差，计算粒子在漂移室纵向的空间坐标，实现粒子在三维空间中的击中点位置重建；根据获取的粒子在三维空间中的击中点坐标及时间数据，引入机器学习架构，构建三维径迹识别模型，实现粒子三维运动轨迹的高精度重建。上述方法能高效重建带电粒子在主漂移室中的三维径迹，提升对粒子真实运动轨迹的还原能力，抑制背景噪声，提高算法的效率。

本发明授权一种基于双端读出的主漂移室径迹识别方法在权利要求书中公布了：1.一种基于双端读出的主漂移室径迹识别方法，其特征在于，所述方法包括： 步骤1、在主漂移室的每个漂移单元的两端分别设置时间测量单元，同步采集高精度的时间信号； 步骤2、根据两端采集信号的时间差，计算粒子在漂移室纵向的空间坐标，实现粒子在三维空间中的击中点位置重建； 步骤3、根据获取的粒子在三维空间中的击中点坐标及时间数据，引入机器学习架构，构建三维径迹识别模型，实现粒子三维运动轨迹的高精度重建； 在步骤3中，根据粒子在三维空间中的击中点坐标及时间数据，引入图结构，构建三维径迹识别模型，并用仿真数据训练三维径迹识别模型； 所述三维径迹识别模型对节点的空间特征与时间特征进行提取，对节点进行分类，识别候选径迹点，构建粒子可能的运动路径； 所述三维径迹识别模型为图神经网络GNN，模型的输入是主漂移室的命中数据，包括击中点的x、y、z坐标和时间数据； 首先通过一个初始线性层，提取原始数据的特征，随后依次通过四个相同结构的GravNet模块；其中，所述GravNet模块是一种结合空间构图与特征聚合的图神经网络结构； 在每一个GravNet模块内部，首先经过线性层、归一化层、再次线性层处理，提取高维的特征表示，然后再经过GravNet层，将提取的特征细化为两个表示空间，分别为S和FLR，S表示节点的空间位置信息，FLR表示编码其他命中特征； 对于每一个节点，把该节点和它在S空间中最邻近的四个点进行连接，由此构成图的结构；根据该节点相邻的四个点的特征进行加权求和或求最大值的方法进行更新，并和原始特征拼接,得到最后的特征表示； 经过四个GravNet模块的逐层更新后，将最后的特征表示通过不同的全连接层进行输出； 模型的输出层负责预测每个候选径迹的三维动量向量和起始位置，这些预测是基于节点的S和FLR表示进行的，预测结果为后续的轨迹拟合算法提供了初始估计； 所述图神经网络GNN使用目标聚合技术来识别和区分不同的候选径迹，包括预测每个节点的β值，该β值用于指示节点成为候选径迹中心点的概率； 其中，向训练好的三维径迹识别模型中输入主漂移室得到的多个粒子三维位置信息，以得到节点的聚类信息； 然后设置β值的阈值进行筛选，找到每一类中离其他类最远的点，作为目标聚合点，根据目标聚合点划定范围，筛选出候选径迹； 对分配给每个候选径迹的节点进行排序，以确定径迹的路径，最终输出粒子的完整三维运动轨迹，实现高精度、端到端的粒子完整三维运动轨迹重建。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。