公开(公告)号：CN118098399A

公开(公告)日：2024-05-28

申请号：CN202410248416.9

申请日：2024-03-05

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  深圳市中核海得威生物科技有限公司

Inventor： 游恒志 ,  张潇文 ,  卿晶 ,  李国威 ,  陈凯 ,  朱静远 ,  李超逸

IPC: G16C20/10 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于二维图像分子表征的化学反应性预测方法及系统，本发明方案通过方法实时获取与待化学反应相对应的偶联反应数据集，其中，所述偶联反应数据集包括：BHA数据集和SMC数据集；根据所述偶联反应数据集，生成与分子相对应的化学反应图像数据；创建与待化学反应相对应的深度学习模型，并根据所述深度学习模型生成相对应的化学反应性预测数据；以及与所述方法相对应的系统、平台及存储介质，能够对化学反应的结果做出精确预测。在多个化学反应数据集的产率预测任务上也取得了良好的预测性能。

公开(公告)号：CN118324616A

公开(公告)日：2024-07-12

申请号：CN202410314574.X

申请日：2024-03-19

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  深圳市中核海得威生物科技有限公司

Inventor： 游恒志 ,  张栋梁 ,  关东 ,  卿晶 ,  陈凯 ,  李皖晨 ,  黄均荣 ,  陈芬儿

IPC: C07C45/61 ,  C07C45/68 ,  C07C45/64 ,  C07C47/575 ,  B01J27/185

Abstract: 本发明涉及一种2‑溴‑3‑(苯丙‑2‑炔‑1‑基氧基)苯甲醛及其衍生物的合成方法，其特征在于，依次为2‑溴‑3‑羟基苯甲醛通过炔丙基化反应得到中间体2‑溴‑3‑(丙‑2‑炔‑1‑基氧基)苯甲醛，以及所述中间体2‑溴‑3‑(丙‑2‑炔‑1‑基氧基)苯甲醛通过Sonogashira反应得到所述2‑溴‑3‑(苯丙‑2‑炔‑1‑基氧基)苯甲醛及其衍生物；所述Sonogashira反应中，以中间体2‑溴‑3‑(丙‑2‑炔‑1‑基氧基)苯甲醛和芳基碘苯为原料，磷酸钙负载钯为催化剂，制备得到所述2‑溴‑3‑(苯丙‑2‑炔‑1‑基氧基)苯甲醛及其衍生物。该方法具有操作简便、贵金属钯催化剂可多次循环使用、产物可大规模制备等优点。

公开(公告)号：CN117131865A

公开(公告)日：2023-11-28

申请号：CN202311105871.5

申请日：2023-08-30

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  深圳市中核海得威生物科技有限公司

Inventor： 游恒志 ,  张潇文 ,  李国威 ,  关东 ,  陈凯 ,  李超逸 ,  朱静远 ,  甘智强

IPC: G06F40/289 ,  G06F40/211 ,  G06F40/247 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/09 ,  G06N3/047 ,  G16C20/10 ,  G16C20/70

Abstract: 本发明公开了一种基于深度学习预训练模型的化学实体识别方法，该方法为：S1：数据集注释；S2：数据增强；S3：利用预训练的模型结合深度学习神经网络构建识别模型，向该识别模型输入数据直至完成模型训练，得到成熟的化学实体识别模型应用于化学实体识别中。相比于现有技术，在本发明当中提出了基于深度学习与预训练模型相结合的化学实体识别方法，首先以手工注释数据集，其次为了应对小样本数据稀缺问题引入了数据增强方法，最后在构建模型时使用Transformer的编码端作为特征提取编码器，使用深度神经网络作为分类器，二者结合很好地完成多标签分类任务，有效地提升其在化学实体提取任务上的表现，在实体提取任务上取得了较高的的准确率。

公开(公告)号：CN118551851A

公开(公告)日：2024-08-27

申请号：CN202410447644.9

申请日：2024-04-15

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 陈凯 ,  吴湘平 ,  李东风 ,  朱浠文 ,  陈清财

IPC: G06N5/045 ,  G06F16/332 ,  G06F16/36 ,  G06F16/33 ,  G06F40/35 ,  G06N5/022 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明提供了一种基于分治智能体的回答质量评估方法及系统，所述方法包括将复杂问题文本及对应的回答文本输入问答拆分单元，以获得语义独立的子问答对；通过检索智能体获取所述子问答对相关的领域知识和评分标准；利用文本提示融合子问答对、领域知识及相关评分标准，输入到大模型以生成子问答对的评估解释；融合各子问答对的评估过程，生成完整问答对的评估逻辑和评估结果。本发明的核心是采用分治的思想对问答对语义匹配过程进行合理分解和合并，高效融入外部知识，有效实现逻辑可控的可解释评估过程。本发明能够准确匹配问答语义、有效利用领域知识、逻辑可控的生成可解释评估过程，从而提高问答评估系统的可解释性，促进评估系统落地和应用。