清华团队提出基于知识引导的图 Transformer 预训练框架，助力分子表征学习

AIGC欢迎您的阅读

原标题：清华团队提出知识引导的图 Transformer 预训练框架，改进分子表征学习

关键词：分子、表征、知识、特性、神经网络

文章来源：机器之心

文章字数：4771字

内容摘要：针对药物发现领域，有效地表征分子特征以帮助预测分子特性至关重要。最近，自监督学习技术被应用于预训练图神经网络（GNN），以应对分子特性预测中数据稀缺的挑战。然而，目前基于自监督学习的方法存在两个主要障碍：缺乏明确的自监督学习策略和 GNN 的能力受限。最近，清华大学、西湖大学和之江实验室的研究团队提出了知识引导的图 Transformer 预训练（Knowledge-guided Pre-training of Graph Transformer，KPGT）框架，这一自监督学习框架通过增强的分子表征学习，提供了改进的、可泛化和稳健的分子特性预测能力。KPGT 框架融合了专为分子图设计的图 Transformer 和知识引导的预训练策略，以全面捕捉分子的结构和语义知识。该研究团队在对63个数据集的研究中展示了…

原文链接：请点击改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架