BriefGPT - AI 论文速递 · 2023-09-08T00:00:00Z

3D 去噪器是优秀的 2D 教师：通过去噪和跨模态蒸馏进行分子预训练

📝

内容提要

本文提出了一种基于图神经网络的表示学习方法，用于原子坐标和原子间距编码，并与原子表示融合。在11个下游分子属性预测任务中，该方法在10项任务中都获得了最先进的结果，2D任务平均改进了8.3％，同时在2个三维构象生成任务中也取得了显着的改进。

🎯

关键要点

• 提出了一种基于图神经网络的表示学习方法

• 该方法用于原子坐标和原子间距编码

• 通过图神经网络将原子表示与编码融合

• 在11个下游分子属性预测任务中评估

• 该方法在10项任务中获得了最先进的结果

• 2D任务平均改进了8.3%

• 在2个三维构象生成任务中取得显著改进

🏷️

标签

分子属性预测 原子坐标 图神经网络 构象生成 表示学习