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！

龙图腾网获悉深圳大学申请的专利一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法、系统、终端及介质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：CN121389530B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511935943.8，技术领域涉及：G06F30/20；该发明授权一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法、系统、终端及介质是由吴晓群;石光远设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法、系统、终端及介质在说明书摘要公布了：本发明公开了一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法、系统、终端及介质，涉及动力学预测技术领域，方法包括：获取多节点时间序列，通过扩散模型对多节点时间序列进行网络结构推断，得到节点间的潜在图结构；采用图神经常微分方程进行连续时间动力学建模，预测任意时间点的节点状态；构建扩散重建损失、动力学预测误差以及结构稀疏性约束，建立总损失，并基于总损失，将基于扩散模型的网络结构推断与基于图神经常微分方程的动力学建模进行耦合，实现协同训练优化。本发明不仅能在复杂噪声环境下稳定恢复系统潜在图结构，还能对其动态演化进行高精度、连续化预测，克服了现有技术无法兼顾结构推断与连续时间建模的局限性。

本发明授权一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法、系统、终端及介质在权利要求书中公布了：1.一种融合扩散模型与图神经常微分方程的连续时间动力学预测方法，其特征在于，所述方法包括： 获取多节点时间序列，在噪声扰动环境下，通过扩散模型对多节点时间序列进行网络结构推断，得到节点间的潜在图结构； 在所述潜在图结构的约束下，采用图神经常微分方程进行连续时间动力学建模，预测任意时间点的节点状态； 构建扩散重建损失、动力学预测误差以及结构稀疏性约束，基于扩散重建损失、动力学预测误差以及结构稀疏性约束建立总损失，并基于所述总损失，将基于扩散模型的网络结构推断与基于图神经常微分方程的动力学建模进行耦合，实现协同训练优化； 获取多节点时间序列，在噪声扰动环境下，通过扩散模型对多节点时间序列进行网络结构推断，得到节点间的潜在图结构，包括： 从多节点时间序列中选定目标节点时间序列，基于扩散模型对目标节点时间序列执行前向扩散，逐步加噪； 在每个扩散步构造条件矩阵，将被加噪的目标节点与其余未加噪节点共同输入到多尺度时序特征提取网络中，通过卷积分支提取短期局部动态以及通过自注意力分支提取长期全局依赖； 基于所述短期局部动态与所述长期全局依赖，得到所述潜在图结构； 在所述潜在图结构的约束下，采用图神经常微分方程进行连续时间动力学建模，预测任意时间点的节点状态，包括： 将系统的时间演化描述为图神经常微分方程； 利用图神经常微分方程实现节点间的消息传递和状态导数计算，得到任意时间点的节点状态； 构建扩散重建损失、动力学预测误差以及结构稀疏性约束，包括： 在通过扩散模型对多节点时间序列进行网络结构推断的过程中，逆扩散网络预测在前向扩散步骤中加入到目标节点上的噪声，并采用均方差误差的形式约束预测噪声与真实噪声之间的偏差，得到扩散重建损失； 在采用图神经常微分方程进行连续时间动力学建模的过程中，采用图神经常微分方程在给定初始状态和推断结构的情况下，对未来多个时间点的轨迹进行预测，采用均方差误差的形式约束预测轨迹与真实轨迹之间的偏差，得到动力学预测损失； 对潜在图结构的平均边密度施加约束，得到结构稀疏性约束。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区粤海街道南海大道3688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。