本研究提出了一种新策略，将规则基础模型与可微分神经网络结合，显著提升了19个分子属性预测任务的性能。通过同时训练图变换器神经网络，利用稀疏的多任务实验目标和基于XGBoost模型的合成目标，实现了有效的合成任务增强，无需特征注入或预训练。