本发明公开了一种针对分子属性预测图网络的自监督预训练方法与系统,利用化学领域的知识划分分子中的官能团并构建相应的官能团树,然后基于官能团树设计官能团生成的自监督任务,使得图网络学习到官能团的结构和语义信息,得到更好的分子表示;并且,结合原子层级的遮掩预测任务进行多任务学习,相比于现有技术而言,极大地提高了下游分子属性预测的准确性。
声明:
“针对分子属性预测图网络的自监督预训练方法与系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)