多视图聚合物表示用于开放性聚合物预测
计算机视觉与模式识别
2025-11-17 v1 人工智能
摘要
我们以一种利用互补表示的多视图设计来解决聚合物性质预测问题。我们的系统整合了四类方法：（i）基于RDKit/Morgan描述符的表格数据，（ii）图神经网络，（iii）3D信息化表示，以及（iv）预训练的SMILES语言模型，通过均匀集成对每个性质的预测进行平均。模型使用10折划分进行训练，并借助SMILES测试时增强进行评估。该方法在NeurIPS 2025上的开放性聚合物预测挑战中排名第9（共2241队）。提交的集成模型在公共MAE为0.057，私有MAE为0.082。
引用
@article{arxiv.2511.10892,
title = {MCN-CL: Multimodal Cross-Attention Network and Contrastive Learning for Multimodal Emotion Recognition},
author = {Feng Li and Ke Wu and Yongwei Li},
journal= {arXiv preprint arXiv:2511.10892},
year = {2025}
}
备注
Accepted by 32nd International Conference on MultiMedia Modeling (MMM 2026)