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！

龙图腾网获悉浙江大学申请的专利基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法及装置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：CN119513598B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411551503.8，技术领域涉及：G06F18/214；该发明授权基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法及装置是由陈星;王菲;谢萧雅;李毅;刘子豪;熊赟葳设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法及装置在说明书摘要公布了：本发明涉及一种基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法及装置，该方法首先利用气味分子与嗅觉受体之间的相互作用数据，通过提取气味分子的理化描述符作为其特征，利用深度学习网络模型，判断未知气味分子是否能够激发嗅觉受体，其次，采用气味分子序列数据，通过网络计算模型判断气味分子与各个嗅觉受体之间发生反应的可能性，然后，进一步引入气味分子结构图像数据，计算气味分子与各个嗅觉受体之间的反应概率，最后，为提高识别结果的准确率和可靠性，通过分析得到的计算结果，即两组概率分布，确定气味分子最终的反应嗅觉受体。本发明显著提高气味分子与嗅觉受体识别的准确性，同时减少对实验方法的依赖，为化学和生物学研究提供一种新的工具。

本发明授权基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法及装置在权利要求书中公布了：1.基于多模态深度学习网络的气味分子与嗅觉受体反应预测方法，其特征在于，包括以下步骤： 步骤S1，构建第一数据集，其中，所述第一数据集中涉及与嗅觉受体发生反应的气味分子以及与嗅觉受体不发生反应的气味分子，每个气味分子具有多个理化描述符，所述第一数据集包括训练集和测试集，将每个气味分子的理化描述符作为训练数据，所述第一数据集中的训练集涉及两种类型的气味分子，第一类型分子是与嗅觉受体反应的气味分子，第二类型分子是不与嗅觉受体反应的气味分子，使用所述第一数据集中的训练集训练深度学习网络模型，并使用所述第一数据集中的测试集对训练好的深度学习网络模型进行测试，以构建气味分子与嗅觉受体反应预测模型； 步骤S2，基于所述步骤S1中的气味分子与嗅觉受体反应预测模型，选择多个与嗅觉受体发生反应的气味分子而构建第二数据集和第三数据集，其中，所述第二数据集和所述第三数据集中的气味分子分别具有分子序列数据、分子结构图像，分子序列数据、分子结构图像均是作为对应气味分子的特征表示，所述第二数据集和所述第三数据集也均包括训练集和测试集，将气味分子的分子序列数据、分子结构图像作为训练数据，使用所述第二数据集和所述第三数据集中的训练集分别训练网络计算模型、深度神经网络，并使用所述第二数据集和所述第三数据集中的测试集分别对训练好的网络计算模型、深度神经网络进行测试，以构建对应的第一气味分子与嗅觉受体反应预测模型、第二气味分子与嗅觉受体反应预测模型，并确定基于第一气味分子与嗅觉受体反应预测模型和第二气味分子与嗅觉受体反应预测模型对应的所有嗅觉受体的概率分布； 步骤S3，将待测气味分子集分别输入第一气味分子与嗅觉受体反应预测模型和第二气味分子与嗅觉受体反应预测模型，得到两组概率分布所对应的概率值，将两个概率值相加而后取平均，得到平均概率值，设置阈值，将平均概率值与阈值比对，以确定待测气味分子的反应嗅觉受体。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。