本研究提出了超图神经网络（HGNN）和分子超图神经网络（MHNN），结合高通量计算和机器学习，旨在高效处理复杂数据和预测材料性质。实验结果表明，这些方法在纳米颗粒分割和材料属性预测方面表现优异，推动了自动化材料设计的发展。

本研究提出了一种新的算法，使用分子超图和分子超图神经网络（MHNN）预测有机半导体的光电性质。结果显示，MHNN在多个任务中优于基准模型，即使没有三维几何信息也表现出色。此外，MHNN在训练数据有限的情况下比预训练GNNs更有效。研究为分子表示和高阶连接相关的属性预测任务提供了新的策略。