一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质

    公开(公告)号:CN118486372B

    公开(公告)日:2024-12-31

    申请号:CN202410608979.4

    申请日:2024-05-16

    Inventor: 于四伟 张昕

    Abstract: 一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质,属于生物序列数据处理技术领域。为解决现有方法泛化性差、初值依赖、优化目标单一等问题,本发明构建训练数据集,构建智能体与环境,所述智能体由actor网络、critic网络构成,所述actor网络和critic网络共享输入层、隐藏层1、隐藏层2的参数;所述环境为接受actor网络输出动作并对状态变量做出相应修改,同时输出奖励函数,收集训练轨迹数据,采用近端策略优化算法训练强化学习智能体在环境中的学习过程,更新智能体网络参数,计算优化序列的MFE,直到优化序列的MFE低于模板MFE或优化序列的MFE下降趋于稳定,完成智能体训练。

    一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质

    公开(公告)号:CN118486372A

    公开(公告)日:2024-08-13

    申请号:CN202410608979.4

    申请日:2024-05-16

    Inventor: 于四伟 张昕

    Abstract: 一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质,属于生物序列数据处理技术领域。为解决现有方法泛化性差、初值依赖、优化目标单一等问题,本发明构建训练数据集,构建智能体与环境,所述智能体由actor网络、critic网络构成,所述actor网络和critic网络共享输入层、隐藏层1、隐藏层2的参数;所述环境为接受actor网络输出动作并对状态变量做出相应修改,同时输出奖励函数,收集训练轨迹数据,采用近端策略优化算法训练强化学习智能体在环境中的学习过程,更新智能体网络参数,计算优化序列的MFE,直到优化序列的MFE低于模板MFE或优化序列的MFE下降趋于稳定,完成智能体训练。

    一种具有根状结构锂电池用铝集流体及其制备方法

    公开(公告)号:CN116565218A

    公开(公告)日:2023-08-08

    申请号:CN202310660160.8

    申请日:2023-06-06

    Abstract: 一种具有根状结构锂电池用铝集流体及其制备方法,它涉及铝集流体及其制备方法,它是要解决现有的提高锂电池用铝集流体粘附能力的方法存在的铝集流体结构可控性差、性能不稳定且制备成本高、环境污染大的技术问题。本发明的具有根状结构锂电池用铝集流体是铝箔上均匀分布孔径一致的通孔,通孔的内壁分布有裂隙,该带有裂隙的通孔呈现出根状结构。制法:将铝箔清洗、干燥后,用激光微处理系统进行进行激光刻蚀处理,在铝箔上得到通孔,再经清洗,得到具有根状结构锂电池用铝集流体。该铝集流体的根状结构通孔可形成“钉扎”来提高电池能量密度和稳定性,可用于电池领域。

    一种考虑动力电池耐久性影响的峰值功率预测方法

    公开(公告)号:CN112068000B

    公开(公告)日:2022-03-11

    申请号:CN202011034157.8

    申请日:2020-09-27

    Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法,相对于现有技术除了以电池最高温度值作为约束外,还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况,因此本发明能够更好的反应电池的健康状态变化情况,减少容量损失,提高耐久性。此外,考虑到电流倍率会对电池的容量衰退轨迹造成影响,本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系,以容量衰退限值为约束进行持续充放电峰值电流预测,进而实现电池持续充放电峰值功率预测,对于电池的耐久性具有重要意义。

    一种考虑动力电池耐久性影响的峰值功率预测方法

    公开(公告)号:CN112068000A

    公开(公告)日:2020-12-11

    申请号:CN202011034157.8

    申请日:2020-09-27

    Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法,相对于现有技术除了以电池最高温度值作为约束外,还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况,因此本发明能够更好的反应电池的健康状态变化情况,减少容量损失,提高耐久性。此外,考虑到电流倍率会对电池的容量衰退轨迹造成影响,本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系,以容量衰退限值为约束进行持续充放电峰值电流预测,进而实现电池持续充放电峰值功率预测,对于电池的耐久性具有重要意义。

Patent Agency Ranking