改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架

AIGC动态欢迎阅读

原标题：改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架

关键字：分子,表征,知识,特性,神经网络

文章来源：机器之心

内容字数：4771字

内容摘要：将 ScienceAI设为星标第一时间掌握新鲜的 AI for Science 资讯编辑 | 紫罗学习有效的分子特征表征以促进分子特性预测，对于药物发现具有重要意义。最近，人们通过自监督学习技术预训练图神经网络（GNN）以克服分子特性预测中数据稀缺的挑战。然而，当前基于自监督学习的方法存在两个主要障碍：缺乏明确的自监督学习策略和 GNN 的能力有限。近日，来自清华大学、西湖大学和之江实验室的研究团队，提出了知识引导的图 Transformer 预训练（Knowledge-guided Pre-training of Graph Transformer，KPGT），这是一种自监督学习框架，通过显著增强的分子表征学习提供改进的、可泛化和稳健的分子特性预测。KPGT 框架集成了专为分子图设计的图 Transformer 和知识引导的预训练策略，以充分捕获分子的结构和语义知识。通过对 63 个数据…

原文链接：点此阅读原文：改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架

联系作者

文章来源：机器之心

作者微信：almosthuman2014

作者简介：专业的人工智能媒体和产业服务平台