三元交互改进图变换器：基于三元图变换器的精确分子图学习
原文中文，约400字，阅读约需1分钟。发表于：。通过创新的三元关注机制和聚合机制，Triplet Graph Transformer (TGT) 在图中的两个相邻节点之间实现了直接通信，成功应用于分子性质预测，并通过三阶段训练过程和随机推理提高了训练效率和模型性能，在 PCQM4Mv2、OC20 IS2RE 挑战基准上达到了新的最先进结果，并利用迁移学习在 QM9、MOLPCBA 和 LIT-PCBA...
研究提出了一种新方法SYN-FUSION，结合了图神经网络和Transformer的预训练特征，能够准确预测分子性质。实验证明其在MoleculeNet基准数据集上表现优秀，优于以前的模型。与其他Graph-Transformer模型相比，SYN-FUSION在性能方面不相上下。消融实验进一步验证了其有效性，对预测分子性质有实质性改进。
