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！

龙图腾网获悉中国人民大学申请的专利分子多模态模型训练与应用方法、存储介质及芯片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：CN116168775B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202211099018.2，技术领域涉及：G16C20/70；该发明授权分子多模态模型训练与应用方法、存储介质及芯片是由苏冰;文继荣;杜大钊;杨钊;周彧杰;李江梦;孙浩;卢志武设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本分子多模态模型训练与应用方法、存储介质及芯片在说明书摘要公布了：本发明通过网络安全领域的方法，实现了分子多模态模型训练与应用方法、存储介质及芯片与系统。首先通过Transformer中的Encoder结构将候选文档集合之间和子话题或查询之间进行交互，在获取文档和子话题的正式表示之后，通过已选文档，所有候选文档和子话题来建模结合权重，并通过交互获得显式评分和隐式评分，最终通过更新的权重将显式评分和隐式评分组合成为最终的多样化评分段。本发明提供的方法设计了一个在不同查询的不同步骤下，动态调整权重的显隐式特征结合模型，来提升搜索结果多样化的效果。并通过listpairwise的LambdaRank方式的损失函数来训练模型，对模型进行实验结果证实了模型的有效性和可解释性。

本发明授权分子多模态模型训练与应用方法、存储介质及芯片在权利要求书中公布了：1.一种分子多模态模型训练与应用方法，其特征在于：包括以下步骤： S100，建立数据收集单元，从已发表的SCI论文中提取分子图及其语义弱相关文本数据，构建成对分子图文本数据集； S200，建立分子多模态模型及其预训练单元，构造包含一个图编码器和一个文本编码器的分子多模态模型，用对比学习的方法对模型进行训练； 所述分子多模态模型预训练的方法具体包括： S401，用图同构网络的自监督训练权重初始化图编码器，用Sci-BERT或KV-PLM中的BERT的预训练权重初始化文本编码器； S402，对于每一个训练时期，从训练序列中依次采样一批数量为N的分子图-文本对数据； S403，对每组小批量数据，用随机节点删除和随机子图的方式分别从每个图产生两个不同的增强，共产生2N个增强图，将这些图输入图编码器以获得它们的表征向量，其中和表示第i个图的两个增强图的表征； S404，从每个分子对应的文档中随机抽取两个不同的句子，对第i个图，通过文本编码器将描述的两个不同句子获得的表征表示为,，小批量中的每个分子图对应两个不同的句子，产生2N的文本表征； S405，对于第i个图，总的多视图损失包括来自多模态的四个表征对,,和之间的四个对比损失， 其中，对应的对比损失： 对应的对比损失： 对应的对比损失： 对应的对比损失： 其中是温度参数，即是相似度计算模块，该模块首先通过两个独立的映射头将和投影到相同的维度，然后计算投影向量之间的余弦相似度； S406，计算图模态的对比损失：第i个图的图模态对比损失为： S407，计算batch内所有样本的损失之和： 其中是跨模态损失和图模态损失之间的平衡因子，是个超参数； S408，对每个batch，分别通过对总体损失L进行反向传播更新图编码器、文本编码器和映射头的参数，直到所有本轮epoch中的所有batch都处理完； S409，重复S402~S408，直到达到预设的最大epoch轮数； S500，建立基于文本的分子图生成单元，将模型应用于跨模态检索、基于文本描述的分子图生成不同的下游任务，并最终输出生成的分子图。

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人民大学，其通讯地址为：100872 北京市海淀区中关村大街59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。