2024年7月5日,Daniel Probst团队在 Nature Machine Intelligence发表论文Molecular set representation learning。 作者提出了一种基于集合表征学习的分子机器学习框架 。 作者展示了仅使用原子不变量集合进行学习即可在常用的化学基准数据集上达到最先进的基于图神经网络的模型的性能,并且在图神经网络中引入集合表征层可以在化学、生物和材料科学领域超过现有方法的性能。
2024年7月5日,Daniel Probst团队在 Nature Machine Intelligence发表论文Molecular set representation learning。 作者提出了一种基于集合表征学习的分子机器学习框架 。 作者展示了仅使用原子不变量集合进行学习即可在常用的化学基准数据集上达到最先进的基于图神经网络的模型的性能,并且在图神经网络中引入集合表征层可以在化学、生物和材料科学领域超过现有方法的性能。
收藏
登录后参与评论
暂无评论