-
公开(公告)号：CN119339836B
公开(公告)日：2025-04-08
申请号：CN202411866319.2
申请日：2024-12-18
Applicant: 之江实验室
Abstract: 本申请涉及一种星际分子的数据清洗方法、装置、系统和存储介质，其中，该星际分子的数据清洗方法包括：通过获取待清洗星际分子的化合物基础信息；将星际分子的化合物基础信息输入预设的多个大语言模型中进行初步清洗，得到不同大语言模型下的星际分子一维结构；对比不同大语言模型下的星际分子一维结构，将符合预设要求的星际分子一维结构输入分子线性输入规范程序进行最终清洗，得到目标星际分子一维结构；预设要求为不同大语言模型下的星际分子一维结构的相似度符合预设的要求；将目标星际分子一维结构存储至对应的服务器中。通过本申请，解决了星际分子数据清洗效率低的问题，提高了星际分子数据清洗的效率。
-
公开(公告)号：CN117932280B
公开(公告)日：2024-06-25
申请号：CN202410339838.7
申请日：2024-03-25
Applicant: 之江实验室
IPC: G06F18/20 , G06F18/15 , G06N3/0442 , G06N3/084 , G06N3/08 , G06F123/02
Abstract: 本申请涉及一种长序列数据预测方法、装置、计算机设备、介质和产品。方法包括：从待预测的第一天文数据中提取第二天文数据和第三天文数据，第二天文数据包括有序变化的文本数据和时间列，第三天文数据包括无序变化的文本数据和时间列；对第二天文数据进行缩放和/或平移直至其均值和/或标准差分布达到预设状态；根据第二天文数据对预设的线性函数进行前向传播和反向传播，并根据线性函数输出第二天文数据在未来时间的数据，线性函数用于表征第二天文数据中前后相邻两个时间列的文本数据之间的映射关系；根据第二天文数据在未来时间的数据与第三天文数据，得到第一天文数据在未来时间列的数据。采用本方法能够兼顾长时间序列预测的效率和精度。
-
公开(公告)号：CN117393075A
公开(公告)日：2024-01-12
申请号：CN202311702625.8
申请日：2023-12-12
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型训练方法和基于分子能量信息的任务执行方法。该模型训练的方法包括：获取指定化合物分子的表征数据，并确定能够指定化合物分子的三维分子图信息；将三维分子图信息输入预测模型中，确定指定化合物分子对应的三维分子图特征；根据三维分子图特征，预测指定化合物分子对应的分子能量信息；以最小化预测出的分子能量信息与指定化合物分子对应的实际分子能量信息之间的偏差为优化目标，对模型进行训练。使得后续在以分子结构特征预测整体分子的能量的过程中，可以通过该预测模型实现快速、准确地预测任意结构下的化合物分子的整体能量，提高分子能量预测的准确性。
-
公开(公告)号：CN118820281B
公开(公告)日：2024-12-31
申请号：CN202411305528.X
申请日：2024-09-19
Applicant: 之江实验室
IPC: G06F16/242 , G06F16/22 , G06F16/2453 , G06F16/248
Abstract: 本申请涉及一种光谱数据库查询模型构建方法以及光谱数据库查询方法，获取分子光谱数据库；基于分子光谱数据库，构建自然语言查询模板以及自然语言查询模板对应的SQL查询语句模板；根据自然语言查询模板以及SQL查询语句模板，构建查询数据集；获取微调后的垂直领域大模型；基于查询数据集，对微调后的垂直领域大模型进行训练，得到光谱数据库查询模型；基于此，能够使得光谱数据库查询模型能够更好地理解和处理天体化学领域的语言特征，从而为提高查询结果的专业性以及准确性奠定基础。
-
公开(公告)号：CN120032755A
公开(公告)日：2025-05-23
申请号：CN202510512021.X
申请日：2025-04-23
Applicant: 之江实验室
Abstract: 本申请涉及一种星际化合物分子性质预测方法、装置、设备和介质，其中，星际化合物分子性质预测方法包括：通过获取星际分子的结构表征信息；基于所述星际分子的结构表征信息与所述星际分子的实际分子性质信息，对模型进行训练，获得性质预测模型；将待预测星际分子的结构表征信息输入至所述性质预测模型中，获得所述待预测星际分子的性质，本申请通过构建星际化合物分子结构与性质信息关系的模型，可以高效准确的预测星际化合物分子的性质。
-
Patent Agency Ranking
公开(公告)号：CN118820281A
公开(公告)日：2024-10-22
申请号：CN202411305528.X
申请日：2024-09-19
Applicant: 之江实验室
IPC: G06F16/242 , G06F16/22 , G06F16/2453 , G06F16/248
Abstract: 本申请涉及一种光谱数据库查询模型构建方法以及光谱数据库查询方法，获取分子光谱数据库；基于分子光谱数据库，构建自然语言查询模板以及自然语言查询模板对应的SQL查询语句模板；根据自然语言查询模板以及SQL查询语句模板，构建查询数据集；获取微调后的垂直领域大模型；基于查询数据集，对微调后的垂直领域大模型进行训练，得到光谱数据库查询模型；基于此，能够使得光谱数据库查询模型能够更好地理解和处理天体化学领域的语言特征，从而为提高查询结果的专业性以及准确性奠定基础。
-
公开(公告)号：CN116597892B
公开(公告)日：2024-03-19
申请号：CN202310560994.1
申请日：2023-05-15
Applicant: 之江实验室
IPC: G16B15/30 , G16B15/20 , G16B40/20 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法以及分子结构信息的推荐方法及装置，通过获取到的数据集，构建出指定蛋白降解靶向嵌合体的三维分子图信息，该三维分子图信息充分的表征出指定蛋白降解靶向嵌合体的分子结构的各种特征，将该三维分子图信息输入到预测模型中后，预测模型会根据三维分子图信息，来预测与指定蛋白降解靶向嵌合体组合成具有预设药物功能的分子片段的片段信息，作为目标片段信息，进而根据预测出的目标片段信息以及与指定蛋白降解靶向嵌合体对应的标签分子片段的片段信息之间的偏差，对预测模型进行训练，使得后续在预测分子结构的过程中，可以通过该预测模型实现快速、准确的分子片段预测，从而提高了分子片段探索的效率以及准确性。
-
公开(公告)号：CN116524998A
公开(公告)日：2023-08-01
申请号：CN202310714271.2
申请日：2023-06-15
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型训练的方法以及分子性质信息的预测方法及装置，通过构建出指定蛋白降解靶向嵌合体分子的三维分子图数据，该三维分子图数据充分的表征出指定蛋白降解靶向嵌合体分子的分子结构的特征，将该三维分子图数据输入到预测模型中后，预测模型会根据三维分子图数据，来预测指定蛋白降解靶向嵌合体分子的分子性质信息，进而根据预测出的分子性质信息以及指定蛋白降解靶向嵌合体分子对应的实际分子性质信息之间的偏差，对预测模型进行训练，使得后续在预测分子性质信息的过程中，可以通过该预测模型实现快速、准确的分子性质信息的预测，从而提高了分子性质信息的探索效率以及准确性。
-
公开(公告)号：CN118626512B
公开(公告)日：2025-04-25
申请号：CN202411093914.7
申请日：2024-08-09
Applicant: 之江实验室
IPC: G06F16/242 , G06F16/2455 , G06F16/22 , G06F16/2457 , G16C20/90 , G06N5/04
Abstract: 本说明书提供一种基于星际分子光谱数据库的数据查询方法和装置，响应于用户输入的与星际化合物分子关联的检索信息，确定待查询化合物分子，根据所述待查询化合物分子，从预先创建的星际分子光谱数据库中确定所述待查询化合物分子对应的基础查询信息。响应于所述用户确定的待计算数据类型，对所述基础查询信息进行推理，确定所述待计算数据类型对应的分子光谱理论数据，将所述基础查询信息、所述分子光谱理论数据，以及推理过程返回给所述用户。
-
公开(公告)号：CN116597892A
公开(公告)日：2023-08-15
申请号：CN202310560994.1
申请日：2023-05-15
Applicant: 之江实验室
IPC: G16B15/30 , G16B15/20 , G16B40/20 , G06N3/0455
Abstract: 本说明书公开了一种模型训练的方法以及分子结构信息的推荐方法及装置，通过获取到的数据集，构建出指定蛋白降解靶向嵌合体的三维分子图信息，该三维分子图信息充分的表征出指定蛋白降解靶向嵌合体的分子结构的各种特征，将该三维分子图信息输入到预测模型中后，预测模型会根据三维分子图信息，来预测与指定蛋白降解靶向嵌合体组合成具有预设药物功能的分子片段的片段信息，作为目标片段信息，进而根据预测出的目标片段信息以及与指定蛋白降解靶向嵌合体对应的标签分子片段的片段信息之间的偏差，对预测模型进行训练，使得后续在预测分子结构的过程中，可以通过该预测模型实现快速、准确的分子片段预测，从而提高了分子片段探索的效率以及准确性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
