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！

龙图腾网获悉电子科技大学申请的专利一种基于八叉树的药物分子属性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：CN117219192B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202311113908.9，技术领域涉及：G16C20/50；该发明授权一种基于八叉树的药物分子属性预测方法是由甘元帅;刘勇国;朱嘉静;张云;李巧勤设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于八叉树的药物分子属性预测方法在说明书摘要公布了：本发明属于人工智能技术领域，具体涉及一种基于八叉树的药物分子属性预测方法。该方法是利用药物分子的三维构象比一维SMILES序列和二维的分子图具有更加丰富的特征信息这一优势，以一维SMILES序列为输入，构建三维空间，获得表示各原子位置坐标的点云数据。基于点云数据建立体素空间并将点云数据投影到体素空间，利用体素空间创建八叉树，并使用八叉树学习分子表示，在初始化原子嵌入时引入了各原子的基本特征，方法具有较强的可解释性；结合同层级和跨层级学习可以捕获原子级交互、子结构级短期和长期依赖关系，对学习更具代表性的药物分子特征表示有积极作用。

本发明授权一种基于八叉树的药物分子属性预测方法在权利要求书中公布了：1.一种基于八叉树的药物分子属性预测方法，其特征在于，包括以下步骤： S1、基于药物分子的SMILES式，生成点云数据；以获得每个原子的三维坐标； S2、根据每个原子的三维坐标，对S1获得的点云数据进行体素化处理，生成所需体素空间，并进行空间体素划分； S3、将S2得到的体素空间置于一个能容纳所有原子的正方体中，创建八叉树表示药物分子的三维结构，八叉树的根节点是该正方体的中心，并与该正方体相对应； S4、采用基于八叉树的分子表示学习算法，完成体素间学习及体素内聚合得到整个药物分子的特征表示； S5、基于八叉树的分子表示学习得到药物分子的特征表示，输入根据预测任务需求建立的多层感知机模型中，以完成对某一类别的药物分子属性的预测； S4.1、基于各原子的初始嵌入向量，更新八叉树所有叶节点的初始嵌入； S4.2、体素间学习及体素内聚合，体素间学习及体素内聚合方法如下： S4.2.1、定义层级权重值，基于定义的层级权重值，根据具体深度自适应生成一组权重；即{m1,m2,…,mx}，且满足如下条件： 其中，x为八叉树的深度，m1到mx分别是第一层到第x层的层级权重值； S4.2.2、设当前计算节点位于第k+1层，且为第k层某节点下的第i个子节点，其中i满足0i≤8；分别进行A、同层级角度学习和B、跨层级角度学习； A、所述同层级角度学习是指多个体素节点处于同一个父节点下的情况；其计算方法为： 设当前计算节点的嵌入为d为嵌入维度，与初始的原子嵌入相同，计算当前节点在同层节点中的注意力权重，如下式所示： 其中αi为同层级注意力权重，为可训练的参数，mk+1为第k+1层的层级权重值，λ为用于平衡节点特征和层级贡献的平衡超参数，j是遍历同层级节点的临时变量； B、所述跨层级角度学习是指多个体素节点的父节点间为兄弟关系的情况，其计算方法为： B-1、先计算第k层其他节点的平均嵌入，其他节点是指除当前计算节点的父节点外的其余节点，通过计算该节点体素空间内节点的嵌入之和的平均值，即可得到；具体如下式所示： B1-2、计算当前节点在跨层节点中的注意力权重，如下式所示： 其中βi为跨层级注意力权重，是可训练的参数，γ是一个用于平衡节点特征和层级贡献的平衡超参数； S4.2.3、采用子节点嵌入加权求和的方式作为聚合方式，权重为同层级和跨层级注意力权重之和；如第k层节点i的嵌入的信息聚合并更新的公式为： S4.2.4、自底向上完成八叉树各节点的体素间学习和体素内聚合过程，直到更新到根节点的嵌入表示h0，从而获得整个分子的特征表示。

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”。