通过 InChIfied 不变式将分子图解释与化学身份对齐
机器学习
2026-05-26 v1
摘要
获取机器学习在分子图上的解释的一致性需要预测和归因与化学身份保持一致。然而，化学等价的分子图绘制会导致不同的分子表示，从而导致不一致的预测和解释。为了解决这一问题，我们引入了 InChIfied Invariants，这是一类基于国际化学标识符 (InChI) 设计的、在保持化学身份的变换下保持不变的节点、边和图特征。使用来自 PubChem Substances 的百万分子图，我们展示 InChIfied Invariants 在 99.62% 的情况下为化学等价图产生相同表示，而标准 Daylight 不变式仅在 0.35% 的情况下如此。对于 MoleculeNet 上的各项任务，InChIfied Invariants 在保持预测性能的同时，显著改进了对同一分子不同图示表示的预测一致性。我们进一步进行定量归因分析，表明使用标准分子特征工程方法产生的解释在化学等价图之间差异很大，而 InChIfied Invariants 通过构造方式强制实现一致的归因。我们发布了开源软件实现 InChIfied Invariants，可用作标准分子图特征的即插即用替换。
引用
@article{arxiv.2605.24742,
title = {Aligning Molecular Graph Explanations with Chemical Identity via InChIfied Invariants},
author = {Emanuele Guidotti and Sara Puglioli},
journal= {arXiv preprint arXiv:2605.24742},
year = {2026}
}