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！

龙图腾网获悉武汉大学申请的专利一种基于原子邻域图表示的参数化哈密顿量构造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：CN116050473B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202211436161.6，技术领域涉及：G06N3/0464；该发明授权一种基于原子邻域图表示的参数化哈密顿量构造方法是由常胜;王子枫;王腾飞设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本一种基于原子邻域图表示的参数化哈密顿量构造方法在说明书摘要公布了：本发明涉及一种基于原子邻域图表示的参数化哈密顿量构造方法，包括步骤：根据材料的晶体结构信息构建晶体图，所述晶体图的每个结点代表晶胞中对应的原子及其所有周期性的镜像；基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，以使结点的输出特征向量包含原子局部化学环境表示；基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元。可解决机器学习方法拟合得到的哈密顿量不能保证体系实空间对称性和网络模型的泛用性差等问题，并且同时兼顾高效率和高精度的优点。

本发明授权一种基于原子邻域图表示的参数化哈密顿量构造方法在权利要求书中公布了：1.一种基于原子邻域图表示的参数化哈密顿量构造方法，其特征在于，所述方法包括步骤： 根据材料的晶体结构信息构建晶体图，所述晶体图的每个结点代表晶胞中对应的原子及其所有周期性的镜像； 基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，以使结点的输出特征向量包含原子局部化学环境表示； 基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元； 所述基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，包括步骤： 定义图卷积层，所述图卷积层用于聚合结点的邻域特征； 由多个图卷积层组成图卷积神经网络，并将所述图卷积神经网络应用于所述晶体图进行结点特征向量的更新； 所述更新后的结点的输出特征向量嵌入了结点对应原子的局部化学环境； 所述图卷积层根据第一公式定义，所述第一公式包括： ， 其中，为层结点的特征向量，为与结点相邻的层结点特征向量，为激活函数，为偏置，结点i的邻域集合，归一化函数，为边的标量权重且表达式为，为结点可训练权重矩阵； 所述基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元，包括步骤： 基于第一多层感知机模型从所述输出特征向量学习对应输入材料的在位能； 基于第二多层感知机模型从所述输出特征向量学习对应输入材料的跳跃能； 基于所述在位能和跳跃能构建对应材料的参数化哈密顿矩阵元； 所述在位能包括：，其中为在位能，是一个带有标量输出的MLP模型，为结点的输出特征向量； 所述跳跃能包括：，其中为跳跃能，为原子轨道中心间距。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山；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”。

以上内容由龙图腾AI智能生成。