一种基于机器学习的光谱反演结构的学习方法及系统

    公开(公告)号:CN117952015A

    公开(公告)日:2024-04-30

    申请号:CN202410203655.2

    申请日:2024-02-23

    Applicant: 安徽大学

    Inventor: 曹鹏程 杨丽

    Abstract: 本发明提供一种基于机器学习的光谱反演结构的学习方法,属于光谱反演领域,包括获取催化剂的光谱数据以及催化剂的结构特征,构建数据集;将数据集中催化剂的光谱数据作为神经网络模型的输入,催化剂的结构特征作为输出,对神经网络模型进行训练,直到损失函数值最小时停止训练得到催化剂性能预测模型;将实时采集的催化剂的光谱数据输入催化剂性能预测模型,得到预测的催化剂的结构特征;还提供一种基于机器学习的光谱反演结构的学习系统,建立催化剂的光谱数据与结构特征的定量关系,处理分析光谱数据,提高光谱数据分析的效率和准确性,提供多次训练且效果稳定的性能预测模型,使光谱分析更加精准便捷,快速筛选和验证潜在的催化剂材料。

    基于物理“谱构效”规则的分子从头设计方法及系统

    公开(公告)号:CN120089238A

    公开(公告)日:2025-06-03

    申请号:CN202510242622.3

    申请日:2025-03-03

    Applicant: 安徽大学

    Abstract: 本发明提供基于物理“谱构效”规则的分子从头设计方法,属于分子生成领域,方法包括获取分子smiles表示,根据分子smiles表示分别计算出分子性质和分子红外光谱;基于分子性质和分子红外光谱对预设的一维Diffusion模型进行训练,得到训练后Diffusion模型,基于分子smiles表示和分子红外光谱对预设的Transformer模型进行训练,得到训练后Transformer模型,整合训练后Diffusion模型和训练后Transformer模型,得到分子预测模型;将待设计分子的性质输入分子预测模型,得到分子smiles表示;对分子smiles表示进行筛选,得到合理的分子smiles表示,基于合理的分子smiles表示生成分子构象并优化,得到待设计分子;还提供了分子从头设计系统;通过分子红外光谱生成符合条件的分子,将大的维度跨越问题分解为两个相对简单的维度转换问题。

    一种氢同位素分离材料及其制备方法和应用

    公开(公告)号:CN116392965A

    公开(公告)日:2023-07-07

    申请号:CN202310466886.8

    申请日:2023-04-27

    Applicant: 安徽大学

    Inventor: 潘长提 杨丽

    Abstract: 本发明属于质子穿透和氢同位素分离技术领域,尤其是一种氢同位素分离材料及其制备方法和应用。本发明材料呈二维空间的联苯结构,联苯结构由若干第一联苯层和第二联苯层依次间隔连接而成,第一联苯层为八元碳环,第二联苯层由若干个四元碳环和六元碳环间隔连接而成。多种碳环的存在尤其是六元和八元碳环可以实现质子穿透。本发明提供的氢同位素分离材料为石墨烯的同素异形体——二维联苯,该材料具有三种不同尺寸的碳环,存在本征不对称性和不均匀性,有利于提升同位素的分离效应。

Patent Agency Ranking