学习拓扑专用专家模型用于分子性质预测
机器学习
2023-03-14 v3 定量方法
摘要
近来，图神经网络（GNNs）已成功应用于分子性质预测，这是最具经典性的具有多种应用的化学信息学任务之一。尽管有效，我们经实证观察到，为具有不同结构模式的多样化分子训练单一GNN模型会限制其预测性能。本文受此观察启发，提出TopExpert以利用拓扑专用预测模型（称为专家），每个专家负责一个共享相似拓扑语义的分子组。即，每个专家在学习其对应拓扑组时学习拓扑专用的判别特征。为解决按拓扑模式对分子分组的重大挑战，我们引入了一种基于聚类的门控模块，将输入分子分配到其中一个簇，并进一步利用两类不同的自监督来优化该门控模块：分别由GNNs诱导的拓扑语义与分子骨架。大量实验表明，TopExpert提升了分子性质预测性能，且对具有未见骨架的新分子比基线实现了更好的泛化。代码见https://github.com/kimsu55/ToxExpert。
引用
@article{arxiv.2302.13693,
title = {Learning Topology-Specific Experts for Molecular Property Prediction},
author = {Su Kim and Dongha Lee and SeongKu Kang and Seonghyeon Lee and Hwanjo Yu},
journal= {arXiv preprint arXiv:2302.13693},
year = {2023}
}
备注
11 pages with 8 figures