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基于机器学习的AIE分子筛选方法及设备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：CN116779052B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310408237.2，技术领域涉及：G16C20/20；该发明授权一种基于机器学习的AIE分子筛选方法及设备是由许改霞;张怡斌;江一航;徐周睿;范妙壮设计研发完成，并于2023-04-17向国家知识产权局提交的专利申请。

本一种基于机器学习的AIE分子筛选方法及设备在说明书摘要公布了：本实施例公开了一种基于机器学习的AIE分子筛选方法及设备，通过构建虚拟待筛选数据库；对数据库中各个AIE分子进行分子特征化处理，得到分子特征矩阵；将各个AIE分子对应的分子特征矩阵依次输入至已训练完成的波长预测模型，得到所述波长预测模型输出与各个AIE分子相应的预测波长信息；根据各个所述AIE分子的预测波长信息筛选出其中波长符合预设要求的AIE分子。本实施例公开的AIE分子的筛选方法，通过对未知分子结构空间进行大规模筛选，以获取到高性能的荧光分子材料，该方法加速了高性能有机荧光材料的开发，且具有低计算成本、高准确性和高效率的优点。

本发明授权一种基于机器学习的AIE分子筛选方法及设备在权利要求书中公布了：1.一种基于机器学习的AIE分子筛选方法，其特征在于，包括： 构建虚拟待筛选数据库；其中，所述虚拟待筛选数据库包括多个AIE分子，各个所述AIE分子由收集得到的电子供体、电子受体和π桥以分子对接的形式相结合构成； 对各个AIE分子进行分子特征化处理，得到分子特征化处理后各个AIE分子对应的分子特征矩阵；其中，所述分子特征化处理为针对AIE分子中各个原子的原子特征信息进行编码处理； 将各个AIE分子对应的分子特征矩阵依次输入至已训练的波长预测模型，得到所述波长预测模型输出的各个AIE分子的预测波长信息；其中，所述波长预测模型为基于多个AIE分子的分子特征与其波长之间的对应关系训练得到的； 根据各个所述AIE分子的预测波长信息筛选出其中波长符合预设要求的AIE分子； 所述波长预测模型包括：多个图卷积层、多个线性整流单元和多个全连接层；两个所述图卷积层之间和两个所述全连接层之间设置有所述线性整流单元； 所述全连接层的个数为J个，其中，其中，k和J为正整数; 所述将各个AIE分子对应的分子特征矩阵依次输入至已训练的波长预测模型，得到所述波长预测模型输出的各个AIE分子的预测波长信息的步骤包括： 依次将各个AIE分子对应的原子特征矩阵和邻接矩阵同步输入至第一图卷积层，得到所述第一图卷积层输出的第一特征信息； 将所述第一特征信息输入至与所述第一图卷积层相连接的第一线性整流单元，得到所述第一线性整流单元输出的第一线性信息； 将所述第一线性信息输入至第二图卷积层，得到第二图卷积层输出的第二特征信息； 将所述第二特征信息输入至与第二图卷积层相连接的第二线性整流单元，得到第二线性整流单元输出的第二线性信息； 依次执行将图卷积层输出的特征信息输入至线性整流单元和将线性整流单元输出的信息输入至下一层图卷积层的步骤，直至第k层图卷积层，得到第k层图卷积层输出的第k特征信息； 将所述第k特征信息依次输入至第一全连接层、第k+1线性整流单元、第二全连接层，直至输入至第J全连接层，得到第J全连接层输出的与各个AIE分子相应的预测波长信息。

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：518060 广东省深圳市南山区南海大道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。