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！

龙图腾网获悉西安交通大学;中国核动力研究设计院申请的专利一种基于生成式深度学习模型的燃料微观结构预测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：CN119811563B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510287607.0，技术领域涉及：G16C60/00；该发明授权一种基于生成式深度学习模型的燃料微观结构预测方法是由肖红星;邓俊楷;邱水;宋天宇;商佳程;孙永铎;陈勇设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种基于生成式深度学习模型的燃料微观结构预测方法在说明书摘要公布了：本申请涉及计算材料科学技术领域，特别涉及一种基于生成式深度学习模型的燃料微观结构预测方法，包括以下步骤：获取数据集；数据集包括不同工艺条件下的SEM照片；对数据集进行预处理，并基于预处理后的数据集，得到训练集；基于条件变分自编码器模型，构建生成式深度学习模型；并将训练集的数据输入至生成式深度学习模型，进行模型训练，得到训练完成的生成式深度学习模型；将工艺条件输入至训练完成的生成式深度学习模型，生成特定燃料微观结构。本申请借助生成式深度学习模型直接由化学成分和工艺制备参数生成微观组织图像，摆脱专业限制，能够直接输出和微观检测结果一致的图像，解决传统实验及模拟计算成本高、耗时长、过程复杂等问题。

本发明授权一种基于生成式深度学习模型的燃料微观结构预测方法在权利要求书中公布了：1.一种基于生成式深度学习模型的燃料微观结构预测方法，其特征在于，包括以下步骤： 获取数据集；所述数据集包括不同工艺条件下的SEM照片，不同工艺条件由不同的化学成分、烧结温度和保温时间组合构成；化学成分为Ti含量0%~30%，烧结温度为1650℃~1750℃，保温时间为1h~4h； 对所述数据集进行预处理，得到预处理后的数据集，并基于预处理后的数据集，得到训练集； 基于条件变分自编码器模型，构建生成式深度学习模型；并将所述训练集的数据输入至所述生成式深度学习模型，进行模型训练，得到训练完成的生成式深度学习模型； 将工艺条件输入至训练完成的生成式深度学习模型，生成特定燃料微观结构； 在构建与训练生成式深度学习模型的过程中，基于条件变分自编码器模型，针对燃料应用场景对其进行优化，优化过程包括： 将编码器和解码器均扩大到6个单元，以增加编码器和解码器的深度；每个单元包括卷积层，池化层和归一化层，最后两个单元之间并用残差结构进行连接； 每个工艺条件的图像单独使用编码器，且所有图像共用一个解码器； 对输入的化学成分、烧结温度和保温时间通过线性层组合成长度10的嵌入向量； 将嵌入向量和编码器的潜向量进行拼接后再输入解码器； 其中，将工艺条件输入至训练完成的生成式深度学习模型，生成特定燃料微观结构，包括： 将输入的成分工艺条件经过线性层转化为输入嵌入向量，结合训练产生的嵌入向量和潜变量，使用注意力机制生成新的潜变量； 将新的潜变量输入训练好的解码器，生成对应的图像； 其中，将输入的成分工艺条件经过线性层转化为输入嵌入向量，结合训练产生的嵌入向量和潜变量，使用注意力机制生成新的潜变量，包括： 将输入变量记成ai，潜变量记成zi，其中，i为序号，zi为训练产生的潜变量，由64个数字组成；潜变量的计算公式为： 其中，z4为序号为4的测试集数据的潜变量，a4为输入变量。

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西安交通大学;中国核动力研究设计院，其通讯地址为：710049 陕西省西安市咸宁西路28号；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”。