BriefGPT - AI 论文速递
·
通过立体电子学增强分子图的分子机器（学习）表征
💡
原文中文，约200字，阅读约需1分钟。
📝
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，通过预训练将原子坐标和原子间距编码，并与原子表示融合。在多个分子属性预测任务中获得了最先进的结果，同时在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。
- 通过预训练将原子坐标和原子间距编码。
- 将编码与原子表示融合。
- 在11个分子属性预测任务中评估，10项任务获得最先进结果。
- 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。
➡️
