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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于图神经网络的可解释性分子性质预测方法及系统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：CN115798629B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211702643.1，技术领域涉及：G16C20/30；该发明授权一种基于图神经网络的可解释性分子性质预测方法及系统是由刘宇鹏;张涵;张晓晨设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于图神经网络的可解释性分子性质预测方法及系统在说明书摘要公布了：一种基于图神经网络的可解释性分子性质预测方法及系统，涉及分子性质预测领域。本发明是为了解决现有分子性质预测方法还存在预测准确率低的问题。本发明包括：获取待预测小分子数据集，将小分子数据集输入到分子性质预测网络中获得分子性质；分子性质预测网络，通过以下方式获得：获取小分子数据集，利用小分子数据集获得训练好的图神经网络模型；将训练好的图神经网络模型和小分子数据集输入到可解释图神经网络模型，获得官能团；利用官能团生成官能团树，利用官能团树对第一图神经网络预训练获得预训练好的第一图神经网络模型；对预训练好的第一图神经网络模型进行微调获得分子性质预测网络。本发明用于预测分子性质。

本发明授权一种基于图神经网络的可解释性分子性质预测方法及系统在权利要求书中公布了：1.一种基于图神经网络的可解释性分子性质预测方法，其特征在于所述方法具体过程为：获取待预测的小分子数据集，将待预测的小分子数据集输入到分子性质预测网络中获得分子性质； 所述分子性质预测网络，通过以下方式获得： 步骤一、获取小分子数据集并利用小分子数据集获取训练集、验证集，然后利用训练集训练图神经网络模型获得训练好的图神经网络模型； 步骤二、将步骤一获得的训练好的图神经网络模型和小分子数据集输入到可解释图神经网络模型中，获得官能团，包括以下步骤： 步骤二一、清除可解释图神经网络模型中的边掩码，设定一个初始随机生成的边掩码，将初始随机生成的边掩码作为可被训练参数，计算可被训练参数损失函数，然后反向传播，进行梯度更新，获得最优边掩码； 步骤二二、将步骤二一获得的最优边掩码映射值与边掩码阈值threshold比较，若最优边掩码映射值小于threshold则在分子图中去掉该条边，若最优边掩码大于等于threshold则保留该条边，将保留的边连成子图作为官能团； 步骤三、利用步骤二获得的官能团生成官能团树，并利用官能团树对第一图神经网络预训练学习官能团的连接方式获得预训练好的第一图神经网络模型； 步骤四、对步骤三获得的预训练好的第一图神经网络模型进行微调获得分子性质预测网络。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。