洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 资讯 摩熵视野 前沿研究 中山大学邹青松团队提出DGCL模型，通过双图神经网络对比学习预测分子性质

中山大学邹青松团队提出DGCL模型，通过双图神经网络对比学习预测分子性质

智药邦智药邦
2024/11/13
查看原文
364
双图神经网络

自监督学习（SSL）使模型能够从未标记的数据中学习，在分子性质预测领域得到了广泛的关注。 对比学习（CL）作为一种有效的SSL范式，在各个领域都表现出卓越的能力，现有的许多分子表示的CL方法采用不同的策略来提高预测精度。 作者提出了一种基于双图神经网络（Dual-GNN）的对比学习（CL）与混合分子指纹（MFP）相结合的分子性质预测方法DGCL。

<END>
*版权声明：本网站所转载的文章，均来自互联网，旨在传递更多信息。鉴于互联网的开放性和文章创作的复杂性，我们无法保证所转载的所有文章均已获得原作者的明确授权。如果您是原作者或拥有相关权益，请与我们联系，我们将立即删除未经授权的文章。本网站转载文章仅为方便读者查阅和了解相关信息，并不代表我们认同其观点和内容。读者应自行判断和鉴别转载文章的真实性、合法性和有效性。
AI+生命科学全产业链智能数据平台

收藏

发表评论
评论区（0）

  • 暂无评论

    推荐资讯
    摩熵医药企业版
    50亿+条医药数据随时查
    7天免费试用
    体验产品
    摩熵数科开放平台
    原料药

    最新资讯

    更多
    十五五战略规划

    全球新药治疗领域统计

    更多
    数据来源： 更新时间：

    全球新药靶点统计

    更多
    数据来源： 更新时间：

    最新报告

    更多
    专利数据服务

    摩熵视频

    更多

    专题.策划

    更多

    最新会议

    更多
    添加收藏
      新建收藏夹
      新建收藏夹
      取消
      确认