買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉蘇州工學院申請的專利一種基于機器學習的光譜與分子結構的比對匹配系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120508836B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510999873.6，技術領域涉及：G06F18/22；該發明授權一種基于機器學習的光譜與分子結構的比對匹配系統是由王睿涵;謝泰來;張昀軒;沈駿宇設計研發完成，并于2025-07-21向國家知識產權局提交的專利申請。

本一種基于機器學習的光譜與分子結構的比對匹配系統在說明書摘要公布了：本發明公開了一種基于機器學習的光譜與分子結構的比對匹配系統，涉及光譜智能解析領域，該系統包括模型構建模塊、訓練優化模塊、計算候選模塊、和解釋可視化模塊。本發明通過構建多模態深度學習模型，自動提取光譜與結構的深層語義特征，大幅提升光譜解析與分子結構匹配的準確性與魯棒性。采用共享嵌入空間學習策略，將不同模態投影到同一特征空間，實現統一匹配與相似度評分。引入注意力機制，實現譜峰與分子結構片段之間的可視化映射，有助于理解每一個譜峰背后所對應的化學基團或原子，增強匹配結果的可解釋性。

本發明授權一種基于機器學習的光譜與分子結構的比對匹配系統在權利要求書中公布了：1.一種基于機器學習的光譜與分子結構的比對匹配系統，其特征在于，包括： 模型構建模塊，用于構建譜圖向量與分子結構向量之間的匹配模型，所述匹配模型基于多模態深度學習架構，融合卷積神經網絡提取光譜模式特征和圖神經網絡提取分子結構特征，將原始光譜信號標準化為定長向量形式，構造譜圖向量： ； 其中，S為譜圖向量，si為第i個采樣點的光強值，L為譜圖采樣點數量，為實數空間； 將候選分子結構表示為圖，使用一維卷積神經網絡提取譜圖的局部模式特征，通過圖神經網絡對分子圖進行多輪消息傳播，使用兩個全連接網絡將兩種特征映射至同一維度的嵌入空間；采用共享嵌入空間學習策略訓練譜圖與分子結構之間的相關性評分函數，將分子圖輸入圖神經網絡，每輪傳播更新節點表示如下： ； 其中，為節點v的鄰居節點集合，l為當前的GNN層數，為節點u在第l層的特征表示，為節點v在第l+1層更新后的特征表示，AGG為聚合函數，為第l層的可學習權重參數，為非線性激活函數； 最終聚合所有節點得到結構嵌入，通過共享維度的嵌入空間，使得匹配對之間的嵌入距離最小化，構造相似度評分函數，余弦相似度評分表達式如下： ； 其中，S為某一份已知的譜圖數據，G為某一個候選分子的結構圖，為光譜樣本S經CNN編碼器后得到的嵌入向量，為分子圖G經GNN編碼器后得到的嵌入向量； 訓練優化模塊，用于將已知結構-光譜配對樣本作為訓練數據，采用對比學習或三元組損失函數進行訓練； 計算候選模塊，用于針對輸入的目標譜圖，通過匹配模型計算與數據庫中所有候選分子的匹配得分，對所有候選分子結構向量，計算與目標譜圖向量的相似度評分，根據得分將所有候選結構排序： ； 取前Top-K個高得分候選分子作為識別結果，輸出包括匹配候選分子列表、 對應匹配得分以及排名；根據匹配得分對候選分子進行排序，輸出與目標光譜相關的Top-N個候選結構； 解釋可視化模塊，用于將中間注意力權重映射回光譜峰位與結構中的原子或基團，實現譜圖與分子結構的對齊解釋，在譜圖嵌入編碼器與結構編碼器中間插入交叉注意力層，對每個譜峰向量，計算其與每個結構節點的注意力權重： ； 其中，為第i個譜峰與第j個結構節點之間的注意力權重，為第i個光譜峰位的嵌入向量，為第j個分子結構中節點的嵌入向量，M為分子結構中的節點總數，是分子結構中第k個節點的嵌入向量； 對于每個譜峰，根據注意力最大值所對應的結構節點索引；若對多個基團組合解釋，對αij進行閾值篩選，選取αijδ的所有j作為關聯原子集合；將Top-N候選結構進行結合實驗質譜和NMR數據進一步確認。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘇州工學院，其通訊地址為：215506 江蘇省蘇州市常熟市南三環路99號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。