本研究提出了一种基于特征贡献的分层多特征映射网络（HMFNet），旨在提高分子气味预测的准确性。通过细粒度的特征提取和映射，显著提升了气味预测性能。

本文综述机器学习与图神经网络在分子气味预测和药物设计中的应用，重点介绍Mol-PECO模型。该模型通过方向图卷积编码分子结构，在8503种分子数据集上预测118种气味描述符，AUROC达0.813，优于传统方法，并能捕获有意义的气味空间表示。