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！

龙图腾网获悉杭州电子科技大学申请的专利一种融合图神经网络与置信度分析的固态电解质智能反设计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：CN120452642B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510962073.7，技术领域涉及：G16C60/00；该发明授权一种融合图神经网络与置信度分析的固态电解质智能反设计方法是由陈峻仰;石春景;杨锦垚设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本一种融合图神经网络与置信度分析的固态电解质智能反设计方法在说明书摘要公布了：本发明涉及材料设计与人工智能交叉领域，是一种融合图神经网络与置信度分析的固态电解质智能反设计方法。本发明构建了集成多种模型的预测框架，包括支持向量回归、梯度提升回归、深度神经网络及图神经网络，充分融合组分、工艺与结构三类参数特征，高效学习输入变量与电阻率、电导率等性能参数之间的非线性映射关系。为提升可信度，本发明进一步引入贝叶斯神经网络与蒙特卡洛方法，输出每组预测结果对应的置信区间，实现预测值可信度的定量评估。在反设计模块中，基于变分自编码器进行高维潜空间参数生成，并结合贝叶斯优化与遗传算法等策略，实现目标性能驱动下的参数组合智能推荐。本发明能够有效提升固态电解质的设计效率与材料发现的成功率。

本发明授权一种融合图神经网络与置信度分析的固态电解质智能反设计方法在权利要求书中公布了：1.一种融合图神经网络与置信度分析的固态电解质智能反设计方法，其特征在于，包括： 构建基于多模型融合的电解质材料性能预测模型；所述性能预测模型包括支持向量回归、梯度提升回归树、多层感知机神经网络和图神经网络；所述支持向量回归利用核函数将非线性输入特征映射至高维空间，构建稳健的回归超平面；所述梯度提升回归树基于Boosting集成方法构建多个弱回归树，通过残差迭代方式提升预测精度；所述多层感知机神经网络构建多层全连接深度神经网络，提取输入特征的高阶非线性表示；所述图神经网络针对拓扑类信息将原子间连接关系建模为图结构，通过图卷积机制提取原子局域环境与全局结构的综合表示； 利用标准化后的输入变量对所述性能预测模型进行训练；所述输入变量包括电解质材料的化学组分比例、晶体结构编码、烧结温度、堆叠压力和颗粒粒径； 所述性能预测模型使用标准化后的输入变量进行训练，所述性能预测模型中融合的多模型均在标准化特征空间中独立训练，对多个模型预测值进行加权平均融合： 其中，表示融合后的性能预测值，表示融合的子模型数量，表示第个模型对样本的预测值，为融合权重，根据交叉验证误差动态调整； 计算所述性能预测模型对材料性能预测的置信区间； 基于潜空间生成机制结合多目标优化方法构建智能反设计系统，实现固态电解质材料筛选； 所述潜空间生成机制具体包括：构建基于变分自编码器的参数生成器，编码器将高维输入映射至潜在变量空间；编码器从潜在空间重建可行输入组合；所述潜在空间服从正态分布，优化目标函数变为下界： 其中，表示在编码器输出分布上对潜变量z的期望，表示编码分布与先验分布之间的Kullback-Leibler散度，表示潜变量的先验分布。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。

以上内容由龙图腾AI智能生成。