超维指纹作为分子表示
机器学习
2026-05-01 v1
摘要
计算分子表示支撑着虚拟筛选、性质预测和材料发现。传统的分子指纹高效且具有确定性，但会通过基于哈希的压缩丢失结构信息，尤其是在低维度下。从图神经网络学习到的表示可以恢复这种表达能力，但需要特定任务的训练和大量的计算资源。在此，我们引入了超维指纹 (HDF)，它用高维向量上的代数运算取代了消息传递神经网络的学习变换，无需任何训练即可生成确定性的分子表示。在多种性质预测基准测试中，HDF 在大多数任务上优于传统指纹，同时在数据集和模型之间表现出更高的一致性。至关重要的是，HDF 嵌入忠实地保留了分子相似性：在 32 维时，HDF 空间中的距离与图编辑距离的皮尔逊相关系数达到 0.9，而同等大小的 Morgan 指纹仅为 0.55。这种结构保真度在基于哈希的方法性能下降的低维度下依然保持，使得简单的最近邻回归仅用 64 个分量就能保持预测能力。我们进一步展示了在贝叶斯分子优化中的实际影响，在 Morgan 指纹表现与随机搜索相当的区域，基于 HDF 的代理模型显著提高了样本效率。因此，HDF 提供了一种通用、无需训练的替代传统分子指纹的方案，这表明长期以来被认为是固定长度指纹固有缺陷的信息丢失，其实是基于哈希的编码方案的局限性，而非指纹范式本身的问题。
引用
@article{arxiv.2604.27810,
title = {Hyper-Dimensional Fingerprints as Molecular Representations},
author = {Jonas Teufel and Luca Torresi and André Eberhard and Pascal Friederich},
journal= {arXiv preprint arXiv:2604.27810},
year = {2026}
}
备注
Code: https://doi.org/10.5281/zenodo.19373621