(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111637075.7 (22)申请日 2021.12.3 0 (71)申请人 南京师范大学 地址 210023 江苏省南京市栖霞区文苑路1 号 (72)发明人 顾彦慧　李亚飞　顾敏　卢新宇　 曲维光　王金兰　周俊生　张先锋　 (74)专利代理 机构 南京业腾知识产权代理事务 所(特殊普通 合伙) 32321 代理人 缪友益 (51)Int.Cl. G16C 60/00(2019.01) G06N 3/08(2006.01) (54)发明名称 一种基于神经网络的三维催化材料催化特 性筛选系统 (57)摘要 本发明公开了一种基于神经网络的三维催 化材料催 化特性筛选系统， 包括催 化剂材料浅层 特性采样模块、 催化剂材料结构信息嵌入模块、 催化材料性质学习模块、 催化材料隐层信息表示 模块和催 化材料多任务筛选模块， 所述催化剂材 料浅层特性采样模块包括中心原子投影和邻接 结构采样， 所述催化材料性质学习模块包括通过 N层的Graph  Transformer神经网络学习催化材 料结构信息， 本发明的有 益效果： 与传统的DFT方 法预测分子性质相比通过本系统对分子性质筛 选所花费的时间具有显著的减少、 所花费的算力 成本显著减少。 权利要求书1页 说明书3页 附图1页 CN 113990415 A 2022.01.28 CN 113990415 A 1.一种基于神经网络的三维催化材料催化特性筛选系统， 包括催化剂材料浅层特性采 样模块 （1） 、 催化剂材料结构信息嵌入模块 （2） 、 催化材料性质学习模块 （3） 、 催化材料隐层 信息表示模块 （4） 和催化材料多任务筛选模块 （5） ， 其特征在于： 所述催化剂材料浅层特性 采样模块 （1） 包括中心原子投影模块 （6） 和邻接结构采样模块 （7） ， 所述催化剂材料结构信 息嵌入模块 （2） 包括基础结构信息拼接模块 （8） 、 原子基础属性 嵌入模块 （9） 、 分子全局结构 嵌入模块 （10） 和相对结构嵌入模块 （11） ， 所述催化材料性质学习模块 （3） 包括通过N层的 Graph Transformer神经网络学习催化材料结构信息， 所述催化材料隐层信息表示模块 （4） 将催化材料性质学习模块 （3） 输出 的隐层催化材料性质信息进行解码， 并将解码信息进行 融合表示。 2.根据权利要求1所述的一种基于神经网络的三维催化材料催化特性筛选系统， 其特 征在于： 所述催化剂材料浅层特性采样模块 （1） 负责将分子三 维结构图映射到二 维结构图， 并依次对每个原子为中心及其直接相连 的原子进行采样并映射采样为份数与原子数量相 同的数个子结构。 3.根据权利要求1所述的一种基于神经网络的三维催化材料催化特性筛选系统， 其特 征在于： 所述催化剂材料结构信息嵌入模块 （2） 负责将原始数据预处理为计算机可识别的 数据， 输入经过催化剂材料浅层特性采样模块 （1） 处理后的子结构， 通过基础结构信息拼接 模块 （8） 将子结构进行拆分、 拼接SEG标识作为间隔标识。 4.根据权利要求1所述的一种基于神经网络的三维催化材料催化特性筛选系统， 其特 征在于： 所述催 化材料性质学习模块 （3） 用于对催化剂材料结构信息嵌入模块 （2） 输出的数 据进行神经网络训练并输出相应数量的向量给催化材 料隐层信息表示模块 （4） 。 5.根据权利要求1所述的一种基于神经网络的三维催化材料催化特性筛选系统， 其特 征在于： 所述催化材料多任务筛选模块 （5） 通过更换不同的训练目标可以匹配不同的系统 任务。权　利　要　求　书 1/1 页 2 CN 113990415 A 2一种基于神经 网络的三维催化材料催化特性筛选系统 技术领域 [0001]本发明涉及材料性质检测技术领域， 具体是一种基于神经网络的三维催化材料催 化特性筛 选系统。 背景技术 [0002]材料科学是现代工业的前提， 催化剂作为材料科学的一个重要领域， 一直是研究 的热点。 而传统的催 化剂筛选方法费时且昂贵。 如基于DFT方法的催化材料方法往往需要 数 月时间去计算材料性质。 随着数据驱动与人工智能 （A I） 相结合的方法在各种应用中得到了 越来越多的关注并取得了巨大的成功， 本系统基于此类创新的第四范式提出了一个基于神 经网络的三维化学 材料筛选系统。 发明内容 [0003]本发明的目的在于提供一种基于神经网络的三维催化材料催化特性筛选系统， 以 解决上述背景技 术中提出的问题。 [0004]为实现上述目的， 本发明提供如下技术方案： 一种基于神经网络的三维催化材料 催化特性筛选系统， 包括催化剂材料浅层特性采样模块、 催 化剂材料结构信息嵌入模块、 催 化材料性质学习模块、 催化材料隐层信息表示模块和催化材料多任务筛选模块， 所述催化 剂材料浅层特性采样模块包括中心原子投影模块和邻接结构采样模块， 所述催化剂材料结 构信息嵌入模块包括基础结构信息拼接模块、 原子基础属 性嵌入模块、 分子全局结构嵌入 模块和相对 结构嵌入模块， 所述催化材料性质学习模块包括通过N层的Graph  Transformer 神经网络学习催化材料结构信息， 所述催化材料隐层信息表示模块将催化材料性质学习模 块输出的隐层催化材料性质信息进行解码， 并将解码信息进行融合表示， 所述催化材料多 任务筛选模块将催化材料隐层信息表示模块输出的催化材料隐层性质表示并融合基础浅 层结构信息 。 [0005]作为本发明进一步的方案： 所述催化剂材料浅层特性采样模块负责将分子三维结 构图映射到二维结构图， 并依次对每个原子为中心及其直接相连的原子进 行采样并映射采 样为份数与原子数量相同的数个子结构。 [0006]作为本发明进一步的方案： 所述催化剂材料结构信息嵌入模块负责将原始数据预 处理为计算机可识别的数据， 输入经过催化剂材料浅层特性采样模块处理后的子结构， 通 过基础结构信息拼接模块将子结构进行拆分、 拼接SEG标识作为间隔标识。 [0007]作为本发明进一步的方案： 所述催化材料性质学习模块用于对催化剂材料结构信 息嵌入模块输出的数据进行神经网络训练并输出相 应数量的向量给催化材料隐层信息表 示模块。 [0008]作为本发明进一步的方案： 所述催化材料多任务筛选模块通过更换不同的训练目 标可以匹配不同的系统任务。 [0009]与现有技术相比， 本发明的有益效果是： 与传统的DFT方法预测分子性质相比通过说　明　书 1/3 页 3 CN 113990415 A 3