本文综述了图神经网络在分子性质预测中的进展。MGCN利用多级图表示提升泛化与可迁移性；多任务学习可改善小数据集性能；自动搜索的MPNNs优于手工设计的GNN；GCNN能高精度预测聚合物介电常数与能带隙；异构分子图神经网络在QM9多数任务上领先；MXMNet基于双层多重图预测理化性质；深度学习方法结合图与序列表示并优化损失函数，在抗生素发现等任务中持续改进并取得领先成绩。