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！

龙图腾网获悉深圳大学申请的专利一种AI驱动的无机水合盐相变材料智能设计与制备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：CN121009808B 。

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：202511539976.0，技术领域涉及：G06F30/27；该发明授权一种AI驱动的无机水合盐相变材料智能设计与制备方法是由崔宏志;杨海宾;张唯一;叶逸航;曹香鹏;郑大鹏;余峰设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种AI驱动的无机水合盐相变材料智能设计与制备方法在说明书摘要公布了：本申请涉及一种AI驱动的无机水合盐相变材料智能设计与制备方法，解决了传统技术以经验试错、单一性能优化为主，无法兼顾无机水合盐相变材料的多性能平衡与多场景高效适配开发需求的问题，其方法包括：获取材料多维度性能需求含相变温度、潜热值等，用训练好的高斯过程回归模型生成候选配方及预测结果，多目标优化筛选出帕累托最优配方；进行实验验证并计算偏差，超阈值补数据重训模型，达标后确定最终配方，以匹配连续化工艺规模化制备。本申请具有如下效果：AI替代经验试错，实现材料多性能协同，大幅缩短研发周期、降低成本，适配多储能场景。

本发明授权一种AI驱动的无机水合盐相变材料智能设计与制备方法在权利要求书中公布了：1.一种AI驱动的无机水合盐相变材料智能设计与制备方法，其特征在于，包括： 获取目标应用场景对无机水合盐相变材料的多维度性能需求指标，其中，多维度性能需求指标包括相变温度范围、最低相变潜热值、最大允许过冷度、适配施工工艺的黏度范围、目标成本上限及最低循环寿命； 利用训练完成的高斯过程回归模型解析性能需求指标，生成候选配方并输出各候选配方的性能预测结果； 基于候选配方及性能预测结果，以各性能指标的预测值分别符合对应预设需求阈值，且配方成本预测值≤目标成本上限为约束，采用多目标优化算法筛选出帕累托最优配方； 对帕累托最优配方进行样品制备与性能实测，计算实测数据与性能预测结果在各性能指标上的偏差值，并将偏差值与预设阈值进行比较； 若所有性能指标的偏差值均未超出预设阈值，则将该配方作为目标配方； 若有任一性能指标的偏差值超出预设阈值，则将实测数据补充至训练数据集，重新训练高斯过程回归模型后再次筛选帕累托最优配方，并重复样品制备、性能实测及偏差比较步骤，直至获得一个或多个所有性能指标的偏差值均符合预设阈值要求的目标配方； 基于预设的综合性能评价函数，从所有获得的目标配方中选取评价得分最高的配方作为最终配方，利用匹配于最终配方的连续化工艺完成规模化制备； 高斯过程回归模型的训练过程如下： 确定含基体水合盐及添加剂的多组分体系构成，其中，添加剂包括温度调节剂、成核剂及流变调节剂，基于相变功能需求及预实验数据明确各组分质量占比范围； 采用预设的设计实验方法对多组分体系的配比值进行小样本采样得到初始配方，经合理性校验剔除无效配方后保留有效采样配方，按有效采样配方制备样品并实测相变温度、相变潜热值、过冷度、黏度及循环寿命数据，结合历史文献中同类型体系的组分质量占比与对应性能数据，构建初始数据集； 以初始数据集中的各组分质量占比为输入特征，以对应的相变温度、相变潜热值、过冷度、黏度及循环寿命为输出标签，对数据进行标准化处理，构建训练数据集； 基于训练数据集，通过贝叶斯推断迭代优化模型参数以拟合组分与性能间的映射关系，形成配方-性能映射模型； 采用预设的交叉验证方法验证配方-性能映射模型的预测误差，若各性能指标的预测误差未超出预设阈值，则直接确定为训练完成的高斯过程回归模型；若预测误差超出预设阈值，则针对误差超标项，按前述预设的设计实验方法定向补充采样并实测数据将其纳入训练数据集后重复模型参数优化步骤，直至模型预测误差符合预设阈值，确定为训练完成的高斯过程回归模型。

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深圳大学，其通讯地址为：518100 广东省深圳市南山区粤海街道南海大道3688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。