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！

龙图腾网获悉中国科学技术大学申请的专利一种构建相同边界的双连通三维微结构数据集的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：CN119538735B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411683247.8，技术领域涉及：G06F30/27；该发明授权一种构建相同边界的双连通三维微结构数据集的方法是由翟晓雅;王莉莉;傅孝明;刘利刚;冯靖轩设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种构建相同边界的双连通三维微结构数据集的方法在说明书摘要公布了：本发明属于材料科学领域，公开了一种构建相同边界的双连通三维微结构数据集的方法，首先，确定边界类型并以边界类型作为立方体六个面的约束重建微观结构；然后，对每一种边界类型选定相关优化目标，并在相应约束条件下创建初始数据集；再次，采用生成式AI进行结构生成，以扩展微观结构的属性空间，并采用主动学习策略进行数据集的迭代扩充；最后，通过连接分量标记算法识别并保留双连通特征的结构，移除不连通结构，从而构建具有相同边界和双连通性的数据集，通过本发明构建的LBBM数据集显著提高了多尺度装配的计算效率，确保了微结构间的边界连接性和整体多尺度结构的双连通性，基于该数据集构建的材料具有打印制造友好性，并且能够实现流体流动、热传导、过滤和气体交换等功能。

本发明授权一种构建相同边界的双连通三维微结构数据集的方法在权利要求书中公布了：1.一种构建相同边界的双连通三维微结构数据集的方法，其特征在于，包括以下步骤： 步骤S1：通过测试分析确定四种边界类型，并以四种边界类型作为立方体六个面的约束重建微观结构； 步骤S2：对每一种边界类型，利用LIVE3D框架，使用最大化体积模量、最大化剪切模量、最大化杨氏模量和五模结构作为优化目标，并根据相应约束条件来创建初始数据集； 步骤S3：采用生成式AI进行结构生成，以扩展微观结构的属性空间，生成式模型采用扩散模型，网络结构使用Unet，损失函数为MSE损失，在此基础上使用所述S2中的初始数据集来训练Unet网络，并采用主动学习策略进行数据集的迭代扩充； 步骤S4：通过连接分量标记算法识别并保留具有双连通特征的结构，移除不连通结构，构建步骤S1所述的边界类型下的具有相同边界和双连通性的数据集； 步骤S3中的所述扩散模型，包括前向加噪过程和反向去噪过程，前向加噪过程通过方程逐步向xt的真实数据x0中添加噪声，其中εt-1从标准高斯分布中采样，参数αt用于控制噪声的级别，反向去噪过程则从接近纯噪声的数据xy开始，利用神经网络预测噪声并间接恢复xt-1，直到恢复出真实数据x0； 步骤S3中扩散模型的损失函数训练网络，按照下列关系式进行，用于指导神经网络学习对带噪的数据进行去噪： 其中tr表示扩散过程中的时间步，t～[1,T]表示时间步t从时间区间[1,T]中均匀采样，x0表示训练数据中的一个真实数据，qx0表示真实数据的概率分布，x0～qx0表示从qx0中随机采样一个数据点x0，即从训练数据中选取一个样本作为扩散模型的输入，ε～N0,I表示标准正态分布中采样的噪声，均值为0，协方差矩阵为单位矩阵I，xt为扩散过程在时间t时的带噪数据，该带噪数据是由真实数据x0加入噪声生成的，xθxt,t表示带有参数θ的神经网络模型的预测值； 步骤S3中所述网络结构方面，U-Net编码器和解码器均包含5个阶段，每个阶段由一个带注意力机制的Resblock构成；使用边界约束和弹性张量矩阵C中的三个独立分量C1111,C1122,C1212作为条件，并通过自适应实例归一化技术将这些条件引入到U-Net的每一层中； 步骤S3为构建大规模微结构数据集，采用主动学习策略进行迭代训练。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。