molecular representation learning | BriefGPT

关键词molecular representation learning

搜索结果 - 28

FunQG: 通过商图学习分子表示
本研究提出一种名为 FunQG 的新型分子图粗化框架，基于图论概念称为商图，它使用分子的功能基团作为影响分子性质的重要构建块，可以简化分子图并低于成本用于培训图神经网络，超越了先前基线在各种数据集上，因此是解决分子表示学习问题的一种简单，具
PDF2 years ago
KDD分子表示的统一的 2D 和 3D 预训练
本文基于统一的 2D 和 3D 预训练，提出了一种新的基于图神经网络的表示学习方法，将原子坐标和原子间距编码，并通过图神经网络将其与原子表示融合。在 11 个下游分子属性预测任务中进行评估，其在 10 项任务中都获得了最先进的结果，2D 任
PDF2 years ago
AAAI利用化学元素知识图谱的分子对比学习
该论文提出了一种基于知识的图对比学习框架，利用化学元素知识图来辅助原子表示学习，取得了在药物设计方面的优异表现。
PDF3 years ago
ACL对比预训练下的多语言分子表示学习
该研究提出了一种基于对比学习构建多语言分子嵌入的预训练方法 MM-Deacon，通过对 SMILES 和 IUPAC 语言的大规模分子进行预训练，在分子性质预测、零样本跨语言检索和药物相互作用预测任务中取得了鲁棒性良好的结果。
PDF3 years ago
IJCAI使用通信消息传递 Transformer 学习带属性的图表示
提出了一种使用 Transformer 结构的通信信息传递神经网络 (CoMPT), 以加强节点和边之间的消息交互，提高分子图的表示能力，在七个化学性质数据集和两个化学位移数据集上的实验证明了所提出模型的卓越性能。
PDF3 years ago
ChemRL-GEM: 用于性质预测的几何增强分子表示学习
本论文提出了一种利用几何增强分子表示学习的方法，称为 GEM，通过使用基于几何的 GNN 架构和几何级别的自监督学习策略，该方法可以用来进行化学表示学习，实验表明该方法可以显著优于各种现有基线方法。
PDF3 years ago
知识感知对比分子图学习
本文介绍了一种融合领域知识的自我监督分子表示学习模型，通过在对比学习框架下显式编码领域知识，将化学领域知识融合到分子图表示中，证明这种方法可以区分具有相似化学公式但不同功能的分子。在 8 个公共数据集上进行的实验表明，该模型具有显著的有效性
PDF3 years ago
大规模分子数据上的自监督图变换器
研究如何通过图神经网络（GNN）和自我监督学习来进行分子表征学习，并设计了一个名为 GROVER 的框架，通过预训练和任务特定的微调，达到较高的分子性质预测准确性。
PDF4 years ago