IXThinker·2025-06-19 00:40

分子圖注入立體電子資訊提升機器學習

分子表徵是理解物理世界與分子機器學習的基礎。有研究提出透過立體電子效應將量子化學資訊注入分子圖，配合定製的雙圖神經網絡工作流程，令分子表徵更具表達力，性能與可解釋性同步提升。

傳統表徵局限

以往分子機器學習模型採用字符串、指紋、全局特徵及簡單分子圖，本質上資訊稀疏，隨着預測任務複雜度增加，分子表徵需要編碼更高保真度的資訊。