本研究提出了一种使用MHNN算法预测有机半导体光电性质的方法，结果显示MHNN在多个任务中优于基准模型，且无需三维几何信息。此外，MHNN在训练数据有限的情况下比预训练GNNs更有效，为分子表示和高阶连接属性预测任务提供了新的策略。

本研究提出了一种使用分子超图神经网络（MHNN）预测有机半导体光电性质的算法。结果显示，MHNN在多个任务中优于基准模型，并且在没有三维几何信息的情况下也表现出色。此外，MHNN比预训练GNNs具有更好的数据效率。这项研究为分子表示和高阶连接属性预测任务提供了新的策略。

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。