English(EN) Learning the Neighborhood: Contrast-Free Multimodal Self-Supervised Molecular Graph Pretraining

新的 C-FREE 框架整合二维和三维数据用于分子图学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-03 04:00

研究人员开发了 C-FREE，一种新颖的分子图自监督学习框架，可有效整合二维拓扑和三维构象数据。与以往的方法不同，C-FREE 通过预测子图嵌入的潜在空间邻域，避免了负样本或复杂生成目标的需要。该方法在 GEOM 数据集上进行了演示，在 MoleculeNet 基准测试中取得了最先进的性能，优于现有的对比和多模态技术，并显示出对新化学领域的强大迁移能力。 AI

影响该方法可以通过提高分子性质预测的效率和准确性来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预训练新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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.AI TIER_1 English(EN) · Boshra Ariguib, Mathias Niepert, Andrei Manolache · 2026-06-03 04:00

学习邻域：无对比度的多模态自监督分子图预训练

arXiv:2509.22468v2 Announce Type: replace-cross Abstract: High-quality molecular representations are essential for property prediction and molecular design, yet large labeled datasets remain scarce. While self-supervised pretraining on molecular graphs has shown promise, many exi…

报道来源 [1]

学习邻域：无对比度的多模态自监督分子图预训练

相关话题