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！

龙图腾网恭喜浙江大学申请的专利一种基于开尔文结构的点阵超材料设计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：CN119495386B 。

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：202510076978.4，技术领域涉及：G16C60/00；该发明授权一种基于开尔文结构的点阵超材料设计方法是由刘韬;符自兴;尹冰轮设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于开尔文结构的点阵超材料设计方法在说明书摘要公布了：本发明公开了一种基于开尔文结构的点阵超材料设计方法。包括：首先，基于等距开尔文结构的基准空间坐标生成一组初始样本构型，并基于该组初始样本构型构建初始训练数据集；接着，以每组弹性常数分量的代表性弹性常数分量为预测值，训练获得各代表性弹性常数分量对应的多个基本预测函数；然后，更新训练数据集并对各代表性弹性常数分量对应的多个基本预测函数进行多次训练；更新迭代若干次后，确定各代表性弹性常数分量对应的最优基本预测函数并构建预测网络模型，利用预测网络模型迭代优化目标弹性常数矩阵对应的样本构型，获得最优的样本构型，进而完成点阵超材料的设计。本发明提出的方法大大减少了数据集生成和网络模型训练的耗时和计算量。

本发明授权一种基于开尔文结构的点阵超材料设计方法在权利要求书中公布了：1.一种基于开尔文结构的点阵超材料设计方法，其特征在于，包括如下步骤：S1：确定单个等距开尔文结构对应的胞元尺寸，从而确定其基准空间坐标向量P；再基于等距开尔文结构的基准空间坐标向量P生成一组初始样本构型，并基于该组初始样本构型构建初始训练数据集；S2：以每组弹性常数分量的代表性弹性常数分量为预测值，利用当前训练数据集训练不同的初始条件下的基于神经网络的机器学习模型，获得该代表性弹性常数分量对应的若干个基本预测函数；遍历处理所有代表性弹性常数分量后，获得各代表性弹性常数分量对应的若干个基本预测函数；S3：更新训练数据集，并结合更新的训练数据集，对各代表性弹性常数分量对应的若干个基本预测函数进行多次训练，最终确定各代表性弹性常数分量对应的最优基本预测函数；S4：根据各代表性弹性常数分量对应的最优基本预测函数构建预测网络模型，利用预测网络模型迭代优化目标弹性常数矩阵对应的样本构型X’，获得最优的样本构型，基于最优的样本构型完成点阵超材料的设计；所述S1中，基于该组初始样本构型构建初始训练数据集，具体为：通过有限单元法模拟计算得到每个初始样本构型对应的弹性常数矩阵C，遍历处理该组初始样本构型中的各初始样本构型后，获得所有初始样本构型对应的弹性常数矩阵C，从而获得原始训练数据集，利用几何旋转增强方法对原始训练数据集进行数据增强后，获得数据增强数据集，由原始训练数据集和数据增强数据集组成初始训练数据集。

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”。