通过非重叠的掩盖来进行互补的多模式分子自我监督学习,以预测属性

Ao Shen1,2, Mingzhi Yuan1,2, Yingfan Ma1,2

  • 1Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, 131 Dong'an Road, 200032, Shanghai, China.

PubMed
概括

这项研究引入了一种新的多模式自我监督的学习框架,用于分子表示. 通过整合SMILES和图形数据,它提高了化学性质预测和虚拟选任务的性能.