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！

龙图腾网获悉南京工业大学申请的专利一种基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的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：CN119541732B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411670054.9，技术领域涉及：G16C60/00；该发明授权一种基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的预测方法是由王川;周缘;田雨茜;蒋子韬;郭宣辰设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的预测方法在说明书摘要公布了：本发明基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的预测方法，属于材料信息学领域，所述方法包括如下步骤：1）收集已有公开文献建立数据库，2）提取配体的SMILES字符串，反应条件和性能提升率并构建张量矩阵，3）采用Reul作为隐藏函数进行反向传播训练，保存模型结果，4）将未知配体和反应条件输入得到效果排名。本发明还提供了存储有所述方法的计算机可读存储介质和由所述介质组成的装置。本发明还增加了反应条件，提高乙炔氢氯化反应催化剂配体优劣的预测的准确性。

本发明授权一种基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的预测方法在权利要求书中公布了：1.一种基于深度神经网络的乙炔氢氯化反应催化剂配体优劣的预测方法，其特征在于，所述方法包括如下步骤： 步骤1：建立数据集，从文献中收集已知催化剂配体的信息，配体的分子结构及对应的复合SMILES字符串、温度、乙炔空速、中心金属含量、HCl比例、转化率记录在数据库中； 步骤2：定义催化剂转化率提升率 转化率提升率Cl，具体为Ce为不加配体的催化剂对照样品在相同条件下的转化率，Cr为添加配体的催化剂的转化率； 步骤3：将配体的分子结构转化为ECFP指纹 将每种配体的复合SMILES字符串转化为一种叫“ECFP指纹”的256位二进制向量；对于已知配体的SMILES字符串采用搜索的方式，从RDKit开源库中将每一个官能团对应成为有0和1组成的分子指纹，组合成256位的分子指纹；不同0和1的组成序列代表不同的官能团，从而体现出配体不同结构的影响； 步骤4：构建特征张量矩阵 收集的每种配体都有各自的256位分子指纹，把所有配体的指纹数据整合成一个张量矩阵，矩阵的每一行代表一个配体，每一列是一个特征位； 将实验条件温度和乙炔空速转化为向量并加到特征矩阵中； 再次将HCl比例，中心金属含量实验条件转化为向量，并加到特征矩阵中； 步骤5：建立并调整模型架构 使用深度神经网络DNN算法，由于包含空速和温度的张量数量级相差过多，将其单独分区，作为单独的输入模块，同时添加一个缓冲层作为第一层，这有利于降低不同变量之间的差异；对于三个不同的输入模块分别使用对应函数Reul将它们转换为三个向量，并将它们拼接成一个矩阵并用于再次使用Reul函数对应成为1*1的张量，采用BCEloss函数用梯度提升法反向传播训练对应函数的参数，并由此预测出转化率； 步骤6：模型训练与评估 将简化后的特征矩阵组输入到模型LDNN中，继续训练，目标变量是转化率，通过模型训练，对应函数为Reul，调整训练步长0.001、和训练次数2000，模型逐渐学习出配体结构、实验条件与转化率之间的关系； 同时为了预防过拟合，使用dropout函数，每次放弃一些数据12％，经过尝试确定最佳每个训练参数的最佳值；训练完成后，使用验证集对模型进行评估；最终模型对不同配体的预测转化率与实际转化率差小于5％概率达到了80％以上； 步骤7：预测未知配体的转化率 训练完成后，该模型可以用来预测新配体的转化率，配体X；用RDKit生成配体X的256位指纹，然后将其与相应的实验条件合并到特征矩阵中；X的实验条件的温度，HCl比例，中心金属含量和空速将其特征向量输入模型后，模型输出的预测转化率提升率；这个输出结果可以帮助判断配体X在该反应条件下是否具有较好的催化效果。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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”。