LiteGEM：用于量子性质预测的轻量几何增强分子表示学习
化学物理
2021-06-29 v1 机器学习
摘要
在本报告中，我们（SuperHelix 团队）展示了针对 KDD Cup 2021-PCQM4M-LSC 的解决方案，该数据集为预测分子 HOMO-LUMO 能隙的大规模量子化学数据集。我们的方案，轻量几何增强分子表示学习 (LiteGEM)，借助深度图神经网络和多种自监督学习任务，在测试集上取得了 0.1204 的平均绝对误差 (MAE)。该框架的代码可在 https://github.com/PaddlePaddle/PaddleHelix/tree/dev/competition/kddcup2021-PCQM4M-LSC/ 找到。
引用
@article{arxiv.2106.14494,
title = {LiteGEM: Lite Geometry Enhanced Molecular Representation Learning for Quantum Property Prediction},
author = {Shanzhuo Zhang and Lihang Liu and Sheng Gao and Donglong He and Xiaomin Fang and Weibin Li and Zhengjie Huang and Weiyue Su and Wenjin Wang},
journal= {arXiv preprint arXiv:2106.14494},
year = {2021}
}