拓扑感知结构图编码提升聚合物预测性能
机器学习
2026-05-12 v1
摘要
图神经网络（GNN）在分子性质预测中取得了强烈的成绩，但聚合物具有distinct挑战：标注数据稀缺且规模小（通常在数百个聚合物数量级），这是由于需要昂贵实验造成的；而复杂的聚合物链分布又影响聚合物性质。既有做法仅用重复单元的图来表示聚合物，忽略了支配关键性质如玻璃化转变温度（）的链尺寸形貌。在本工作中，我们提出一种原则性的图构建方法以弥合这一差距。给定聚合物的分子质量分布（MMD），我们从Schulz-Zimm分布中抽取代表性链，构建编码链尺寸拓扑结构的大型图，采用丰富的化学描述符对原子和键进行特征化。我们进一步通过在100,000个未标记PSMILES字符串上进行掩码图建模预训练，再在标记数据上微调。我们在381个聚合物（180个单体聚合物和201个共聚合物）的数据集上表明，图构建和自监督预训练 jointly 必要：若无预训练，大型图方法可匹配重复单元基线（28.40 K vs. 28.36 K RMSE）；若进行预训练，则实现24.76 K +/- 3.30 K，较预训练的重复单元基线（26.08 K +/- 4.20 K, p < 0.001, 30次实验）降低5.1%的平均误差。去除化学特征的消融实验导致性能降至36.65 K，确认两者均为必需。结果对体系结构agnostic，适用于GINE和GATv2编码器。
引用
@article{arxiv.2605.10551,
title = {It's All Connected: Topology-Aware Structural Graph Encoding Improves Performance on Polymer Prediction},
author = {H. Ibrahim Erdogan and Punith Raviswamy and Nikita Agrawal and Yannik Köster and Stefan Zechel and Ulrich S. Schubert and Ruben Mayer and Christopher Kuenneth},
journal= {arXiv preprint arXiv:2605.10551},
year = {2026}
}
备注
9 pages, 4 figures