化学性质预测的跨模态学习:大型语言模型与图神经网络的结合
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,在基准数据集上表现优秀,超过以前的模型,在分类和回归数据集上有优势。与其他模型相比,性能相当。消融实验验证了SYN-FUSION的有效性,对预测分子性质有实质性改进。
原文中文,约300字,阅读约需1分钟。
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,在基准数据集上表现优秀,超过以前的模型,在分类和回归数据集上有优势。与其他模型相比,性能相当。消融实验验证了SYN-FUSION的有效性,对预测分子性质有实质性改进。