本文提出了一种基于图神经网络的表示学习方法，通过编码原子坐标和原子间距，并与原子表示融合，取得了在多个分子属性预测任务中的最先进结果。该方法在11个任务中平均改进了8.3％，同时在两个三维构象生成任务中也取得了显着的改进。