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！

龙图腾网恭喜西北工业大学申请的专利基于图表示学习的共晶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：CN115424681B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202211029734.3，技术领域涉及：G16C20/50；该发明授权基于图表示学习的共晶预测方法是由施建宇;余皓洋;杜冰雪;朱蓓;赵鹏程;徐意;杨光;秦媛;李嘉宁;胡朋振;韦学鑫设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于图表示学习的共晶预测方法在说明书摘要公布了：本发明公开了一种基于图表示学习的共晶预测方法，提出了一个基于门控消息传递神经网络的可解释模型，即CC‑MPNN，利用门控消息传递神经网络获取化合物的子结构，并利用共同注意力机制来计算子结构之间的相互作用得分，设计基于图表示学习的共晶预测方法，探索化合物子结构与共晶反应的关联规律。

本发明授权基于图表示学习的共晶预测方法在权利要求书中公布了：1.基于图表示学习的共晶预测方法，其特征在于，包括以下步骤：1构建共晶预测模型CC-MPNN：所述共晶预测模型CC-MPNN由神经网络模块和共注意力模块构成，并将二者进行点积融合，进行标签的预测；神经网络模块依次包括图注意力网络，图卷积神经网络和门控消息传递神经网络；共注意力模块包括多层感知机；2获取样本数据，对步骤1构建的共晶预测模型CC-MPNN进行训练，获得训练好的共晶预测模型；具体训练过程如下：2.1采集样本数据，构建训练数据集和测试数据集所述样本数据为能形成或不能形成共晶体的化合物对，其包括化合物分子的SMILES序列信息以及化合物与原料药或配体之间有无共晶反应的标签；2.2采用RDKit工具和one-hot编码将步骤2.1获得数据中涉及化合物分子的SMILES序列信息转换为图数据；2.3采用图注意力网络和图卷积神经网络对步骤2.2获得的化合物分子图数据进行预处理，获得了所有化合物分子的原子特征向量m1，m2，…，mn；2.4采用门控消息传递神经网络的方法对步骤2.3中获得的原子特征向量结合每个化合物分子键的特征进行训练，获得化合物分子的子结构特征；2.5利用构建好的共注意力层计算每个子结构特征之间的共同注意力分数，即原子间相互作用分数；2.6将一对化合物中每个化合物的子结构特征矩阵进行线性变换，再将对应原子特征点乘，并与步骤2.5中得到的原子间相互作用分数相乘、求和，最终得到对应的化合物对的分数；2.7使用步骤2.6中得到的化合物对的分数，利用二元交叉熵损失函数对模型损失进行计算，并根据损失残差通过负反馈调节设置的网络来获得步骤2.6中所计算出的化合物对的分数；2.8训练完成之后最终得到共晶预测模型；3利用步骤2训练好的共晶预测模型对化合物对的共晶反应进行预测。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。