改進分子表征學習，清華團隊提出知識引導的圖 Transformer 預訓練框架

AIGC動態歡迎閱讀

原標題：改進分子表征學習，清華團隊提出知識引導的圖 Transformer 預訓練框架

關鍵字：分子,表征,知識,特性,神經網絡

文章來源：機器之心

內容字數：4771字

內容摘要：將 ScienceAI設為星標第一時間掌握新鮮的 AI for Science 資訊編輯 | 紫羅學習有效的分子特征表征以促進分子特性預測，對于藥物發現具有重要意義。最近，人們通過自監督學習技術預訓練圖神經網絡（GNN）以克服分子特性預測中數據稀缺的挑戰。然而，當前基于自監督學習的方法存在兩個主要障礙：缺乏明確的自監督學習策略和 GNN 的能力有限。近日，來自清華大學、西湖大學和之江實驗室的研究團隊，提出了知識引導的圖 Transformer 預訓練（Knowledge-guided Pre-training of Graph Transformer，KPGT），這是一種自監督學習框架，通過顯著增強的分子表征學習提供改進的、可泛化和穩健的分子特性預測。KPGT 框架集成了專為分子圖設計的圖 Transformer 和知識引導的預訓練策略，以充分捕獲分子的結構和語義知識。通過對 63 個數據…

原文鏈接：點此閱讀原文：改進分子表征學習，清華團隊提出知識引導的圖 Transformer 預訓練框架

聯系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業的人工智能媒體和產業服務平臺