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！

龙图腾网恭喜四川大学申请的专利一种基于深度学习的晶格设计与性能预测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：CN119626414B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510152228.0，技术领域涉及：G16C60/00；该发明授权一种基于深度学习的晶格设计与性能预测方法是由张宏;倪圣雨;龙雨欣;徐湘容;张羽图南设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于深度学习的晶格设计与性能预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的晶格设计与性能预测方法，包括：S1、构建晶格数据集；S2、构建深度学习框架，并利用晶格数据集对其训练，得到伪物理增强神经网络模型，其包括初步学习输入特征和输出特征之间的关系的主干网络以及抽取输入特征和输出特征显化的伪物理信息的伪物理信息提取网络；S3、将未知性能的晶格结构几何参数输入到所述物理增强模型中，输出对应的机械性能及显化的物理关系，进而根据物理关系进行晶格结构设计。本发明方法利用深度学习模型和算法，从晶格结构的几何数据中提取有效的特征，实现对不同结构机械性能高效、准确、可靠的预测。

本发明授权一种基于深度学习的晶格设计与性能预测方法在权利要求书中公布了：1.一种基于深度学习的晶格设计与性能预测方法，其特征在于，包括以下步骤：S1、构建晶格数据集；所述晶格数据集中的数据包括作为输入特征的结晶结构几何参数以及作为对应输出特征的晶格结构机械性能；S2、构建深度学习框架，并利用晶格数据集对其训练，得到伪物理增强神经网络模型；所述伪物理增强神经网络模型包括主干网络和伪物理信息提取网络；所述主干网络用于初步学习输入特征和输出特征之间的关系；所述伪物理信息提取网络用于基于学习的输入特征与输出特征之间的关系抽取输入特征和输出特征显化的伪物理信息；对所述深度学习框架训练的过程中，将抽取伪物理信息的伪物理损失嵌入到所述主干网络的损失计算中，并根据其对所述主干网络进行反向传播优化；S3、将未知性能的晶格结构几何参数输入到所述物理增强模型中，输出对应的机械性能及显化的物理关系，进而根据物理关系进行晶格结构设计；所述步骤S2中，采用堆叠优化策略对所述深度学习框架进行训练，训练方法具体为：S21、将晶格数据集分为多个子集；S22、将主干网络、伪物理信息提取网络以及将伪物理信息提取网络作为物理信息嵌入得到的PINN作为三个基础模型；S23、使用交叉验证的方法，利用每个子集分别对基础模型进行训练，输出对应的预测值，形成预测数据集；S24、利用新的数据集对三个基础模型进行进一步训练并生成新的元特征组合；S25、将所有的元特征组合形成新的训练数据集，对深度学习框架优化，使其损失函数最小，得到伪物理增强神经网络模型；所述步骤S25中，得到的伪物理增强神经网络模型表示为： ；式中，为最优的伪物理增强神经网络模型，为预测值向量，为实际值，为形成的新的训练数据集，为预测值，为损失函数。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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”。