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！

龙图腾网恭喜电子科技大学申请的专利一种基于深度学习的材料自旋霍尔电导预测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：CN115410664B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210983952.4，技术领域涉及：G16C60/00；该发明授权一种基于深度学习的材料自旋霍尔电导预测方法是由张栗粽;郑旭;孙明;张明慧;柯威宏设计研发完成，并于2022-08-17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材料自旋霍尔电导预测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材料自旋霍尔电导预测方法，包括以下步骤：S1、采集考虑电子自旋通道耦合作用的材料能带数据，并对所述材料能带数据进行数据扩充和数据处理，得到自旋霍尔电导预测的数据集；S2、将自旋霍尔电导预测的数据集划分为训练集、验证集和测试集；S3、构建深度神经网络模型；S4、通过训练集对深度神经网络模型进行训练，得到训练好的深度神经网络模型；S5、将测试集输入训练好的深度神经网络模型，输出得到材料自旋霍尔电导预测结果。本发明采用的数据集的数据量充分，得到的预测结果与真实结果较为接近，预测速度较快，占用计算资源少。

本发明授权一种基于深度学习的材料自旋霍尔电导预测方法在权利要求书中公布了：1.一种基于深度学习的材料自旋霍尔电导预测方法，其特征在于，包括以下步骤：S1、采集考虑电子自旋通道耦合作用的材料能带数据，并对所述材料能带数据进行数据扩充和数据处理，得到自旋霍尔电导预测的数据集；S2、将自旋霍尔电导预测的数据集划分为训练集、验证集和测试集；S3、构建深度神经网络模型；S4、通过训练集对深度神经网络模型进行训练，得到训练好的深度神经网络模型；S5、将测试集输入训练好的深度神经网络模型，输出得到材料自旋霍尔电导预测结果；所述步骤S1中数据处理的具体方法为：当某个点位能带劈裂程度大于0.1eV时，该点位的能量值为同轨道两条能带上同点位较低的能量值与带权值的能带劈裂程度之和；所述步骤S3中构建的深度神经网络模型包括依次连接的能带特征提取模块、时序特征提取模块、Transformer特征提取模块和全连接层；所述能带特征提取模块用于接收输入的二维能带数据，对每条能带的物理特征进行提取，并作为时序特征提取模块的输入；所述时序特征提取模块用于对每条能带的时序特征进行提取，并作为Transformer特征提取模块的输入；所述Transformer特征提取模块用于对能带间特征进行提取，并作为全连接层的输入；所述全连接层用于输出材料自旋霍尔电导预测结果；所述能带特征提取模块的输入通道数为5，每个通道序列长度为306，基于残差网络结构进行设计，采用一维卷积进行特征提取，将4种残差模块进行堆叠，第一种残差模块的个数为3，输出通道数为256，第二种残差模块的个数为4，输出通道数为512，第三种残差模块的个数为6，输出通道数为1024，第四种残差模块的个数为3，输出通道数为2048，输出序列长度为73。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。