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！

龙图腾网获悉天津大学申请的专利一种基于改进图神经网络的表面催化剂吸附能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：CN118197470B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202410079046.0，技术领域涉及：G16C20/70；该发明授权一种基于改进图神经网络的表面催化剂吸附能预测方法是由赵鑫;齐佳静;张涛;曹亚慧;刘晶晶;孙学莹设计研发完成，并于2024-01-19向国家知识产权局提交的专利申请。

本一种基于改进图神经网络的表面催化剂吸附能预测方法在说明书摘要公布了：一种基于改进图神经网络的表面催化剂吸附能预测方法：本方法涉及计算化学、深度学习和表面催化剂吸附能预测等领域。本方法针对现有的图神经网络大多忽略了利用潜在空间信息对原子进行有效的输入特征编码而主要关注基本连通性和元素特征，以及现有的图神经网络架构大多以提取原子图的局部邻域特征为导向而忽略了全局节点特征的整合问题。本发明所采用的技术方案是：通过结合统一原子位置平滑重叠描述符和在图网络架构中引入的图弱注意机制，有效提取原子图的局部空间结构信息和全局节点信息，并显著提高了表面催化剂分子吸附能性质预测的效率和准确性。

本发明授权一种基于改进图神经网络的表面催化剂吸附能预测方法在权利要求书中公布了：1.一种基于改进图神经网络的表面催化剂吸附能预测方法，其特征在于：包含以下三个步骤： 步骤1：构建统一原子位置平滑重叠描述符，采用统一原子位置平滑重叠描述符编码来表示材料分子中的原子，并将这种原子编码作为图神经网络的输入特征向量的一部分，其中统一原子位置平滑重叠描述符的形式化如下: 步骤2：构建基于弱注意力与统一原子位置平滑重叠描述符的图神经网络，基于弱注意力与统一原子位置平滑重叠描述符的图神经网络利用原子图的节点和边特征，并通过利用图弱注意力、门控图卷积、全局池化操作和全连接操作，学习和预测表面催化剂吸附能，其中，构建基于弱注意力与统一原子位置平滑重叠描述符的图神经网络具体包括： 1原子图g的输入特征 在原子图g中，每个原子hi被视为一个节点，化学键eij被视为边，为每个节点分配8个输入节点特征，包括电负性、族数、共价半径、价电子数、第一电离能、电子亲和能、区块以及原子体积； 通过将体系中的原子种类视为相同种类，用统一原子位置平滑重叠描述符编码每个节点，并在线性处理后与节点特征拼接； 对于原子图的初始边特征，使用径向基函数扩展这些特征，将原子间的键距转换为连续的边特征； 2图弱注意力层 在原子图进入门控图卷积层之前，对原子图的节点进行全局弱注意力学习，通过弱注意力层，节点从整个原子图中吸收隐含信息并进行更新； 3门控图卷积层 门控图卷积层用于更新节点和边的特征，精炼原子图的表示； 4原子图g的特征提取 最初，在原子图g上，图弱注意力层与门控图卷积层交替使用4次，以更新原子节点和边的特征； hl-1＝GAUhl-1,attentionmask hl,el＝EdgeGatedGraphConvg,hl-1,el-1 随后，再使用4层门控图卷积层来单独循环更新原子图的节点和边特征； 5平均池化层 在特征提取之后，网络对节点执行全局平均池化操作； 6多层感知机层 将全局平均池化的结果输入至多层感知机层网络中，该网络计算与任务相关的输出，这些输出随后被输入到损失函数中以训练模型的参数。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。