在分子发现领域，数据往往分散在不同机构和企业之间，由于隐私保护、知识产权和数据安全等限制，难以实现数据共享，从而制约了机器学习模型性能的提升。 该方法将图神经网络与联邦学习框架相结合，在保护数据隐私的同时实现跨机构知识整合。 实验结果表明， 该方法在多种分子性质预测与虚拟筛选任务中显著优于单方训练模型 ，并接近集中式数据训练的性能水平，为多方协作的智能分子研发提供了可行路径。
2026-06-05
53页
购买咨询
400-9696-311 转1
问题咨询
400-9696-311 转2
商务合作
400-9696-311 转3
投诉及建议
400-9696-311 转4
关注摩熵医药公众号
随时查阅行业资讯
摩熵医药数据小程序
掌上数据查询系统
川公网安备51019002008863号
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
收藏
登录后参与评论
暂无评论