Graphormer在大规模分子建模数据集上的实证研究
化学物理
2022-03-15 v2 计算工程、金融与科学
机器学习
摘要
本技术说明描述了Graphormer近期的更新,包括架构设计的修改,以及对3D分子动力学模拟的适配。"Graphormer-V2"在大规模分子建模数据集上比原始版本取得更好的结果,且这一性能提升在下游任务中可稳定获得。此外,我们表明凭借全局感受野与自适应聚合策略,Graphormer比经典的基于消息传递的GNN更强大。在KDD Cup 2021使用的PCQM4M量子化学数据集上,Graphormer-V2的MAE远小于原始Graphormer,而后者在该竞赛中获得第一名。同时,在近期NeurIPS 2021研讨会的Open Catalyst Challenge(旨在用先进AI模型建模催化剂-吸附物反应系统的竞赛赛道)中,Graphormer-V2大幅优于竞争对手。所有模型可在\url{https://github.com/Microsoft/Graphormer}获取。
引用
@article{arxiv.2203.06123,
title = {An Empirical Study of Graphormer on Large-Scale Molecular Modeling Datasets},
author = {Yu Shi and Shuxin Zheng and Guolin Ke and Yifei Shen and Jiacheng You and Jiyan He and Shengjie Luo and Chang Liu and Di He and Tie-Yan Liu},
journal= {arXiv preprint arXiv:2203.06123},
year = {2022}
}
备注
Wrong dual-submission (arXiv:2203.04810) with negligently