IXThinker·2025-06-02 13:50

分子圖注入立體電子效應 提升機器學習表示

分子表示是分子機器學習的基礎，傳統模型多用字符串、指紋特徵或簡單分子圖，資訊較為稀疏。一項發表於《自然·機器智能》的研究提出，把量子化學資訊注入分子圖，以提升表示的保真度與可解釋性。

表示瓶頸

以往的分子機器學習模型通常使用字符串、指紋特徵、全局特徵以及簡單的分子圖，這些表示方式本質上資訊較為稀疏。隨着預測任務複雜度提升，分子表示需要編碼更高保真度的化學資訊。