English(EN) Semi-Supervised Learning for Molecular Graphs via Ensemble Consensus

新的半监督学习方法提高了分子图预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了一种新颖的分子图半监督学习方法，该方法利用集成共识来提高预测准确性。该方法在标记数据稀缺但未标记数据丰富的领域（如分子科学）中特别有效。该技术提高了模型的鲁棒性，减少了校准误差，并且通常优于传统的监督训练方法。 AI

影响提高了分子科学应用的预测准确性和鲁棒性，有望加速药物发现和材料科学。

排序理由该集群包含一篇详细介绍分子图新机器学习方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Rasmus Tirsgaard, Laurits Fredsgaard, Marisa Wodrich, Mikkel Jordahn, Mikkel N. Schmidt · 2026-07-31 04:00

用于分子图的半监督学习通过集成共识

arXiv:2607.28304v1 Announce Type: new Abstract: Machine learning is transforming molecular sciences by accelerating property prediction, simulation, and the discovery of new molecules and materials. Acquiring labeled data in these domains is often costly and time-consuming, where…