本文提出了一种基于图神经网络的表示学习方法，用于原子坐标和原子间距编码，并与原子表示融合。在11个下游分子属性预测任务中，该方法在10项任务中都获得了最先进的结果，2D任务平均改进了8.3％，同时在2个三维构象生成任务中也取得了显着的改进。