公开(公告)号：CN117079741A

公开(公告)日：2023-11-17

申请号：CN202311128996.X

申请日：2023-09-01

申请人： 广东电网有限责任公司 ,  广东电网有限责任公司电力科学研究院

发明人： 孙东伟 ,  唐念 ,  张博雅 ,  谈佳馨 ,  姚雨阳

IPC分类号： G16C20/30 ,  G16C20/70 ,  G16C60/00 ,  G06N3/0464 ,  G06N3/048

摘要： 本发明公开了一种基于神经网络的分子绝缘强度预测方法、装置及介质，所述方法包括：获取待预测分子的第一分子描述符并输入至预设的预测模型，使用卷积层和池化层降低对第一分子描述符进行特征提取和维度降低；使用激活函数对降低维度后的特征数据进行处理，将处理得到的结果传递到全连接层，进行特征提取与组合，得到分子绝缘强度的预测结果；其中，预测模型是根据预设的训练集、验证集和测试集对CNN模型进行训练、验证和测试而获得。本发明提出一种基于神经网络的分子绝缘强度预测方法、装置及介质，通过使用训练得到的预测模型，来对分子绝缘强度进行预测，能够解决现有分子绝缘强度预测方法的预测结果准确率和预测效率低的问题。

公开(公告)号：CN118351968A

公开(公告)日：2024-07-16

申请号：CN202410460321.3

申请日：2024-04-17

申请人： 广东电网有限责任公司 ,  广东电网有限责任公司电力科学研究院

发明人： 孙东伟 ,  唐念 ,  李兴文 ,  张博雅 ,  黎晓淀 ,  谈佳馨

IPC分类号： G16C20/20 ,  G16C20/70 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明提供了一种基于神经网络的绝缘气体分子筛选方法及系统，该方法包括以下步骤：获取绝缘气体的分子特征数据集和分子目标性质；将分子特征数据集作为预设神经网络模型的输入，分子目标性质作为预设神经网络模型的输出对预设神经网络模型进行训练，以优化出分子预测模型；将待筛选绝缘气体分子作为分子预测模型的输入，筛选出符合分子目标性质的绝缘气体分子。本发明提出的绝缘气体分子筛选方法，通过对神经网络模型的训练得到能将分子目标性质与分子特征数据集对应的分子预测模型，进而实现对未知的绝缘气体分子的分子目标性质进行预测，有效提高绝缘气体分子筛选的灵活性，降低筛选的成本和时间，加速分子材料的发现和优化过程。