多层级融合图神经网络用于分子性质预测
机器学习
2025-08-26 v2 人工智能
摘要
分子性质的准确预测在药物发现及相关领域至关重要。然而，现有的图神经网络（GNN）通常难以同时捕捉分子的局部和全局结构。在这项工作中，我们提出了一种多层级融合图神经网络（MLFGNN），该网络集成了图注意力网络和一种新颖的图Transformer，以联合建模局部和全局依赖关系。此外，我们将分子指纹作为互补模态引入，并提出了一种注意力交互机制，以自适应地融合不同表示之间的信息。在多个基准数据集上进行的大量实验表明，MLFGNN在分类和回归任务中均持续优于最先进的方法。可解释性分析进一步揭示，该模型能够有效捕捉与任务相关的化学模式，支持了多层级和多模态融合在分子表示学习中的有效性。
引用
@article{arxiv.2507.03430,
title = {Multi-Level Fusion Graph Neural Network for Molecule Property Prediction},
author = {XiaYu Liu and Chao Fan and Yang Liu and Hou-biao Li},
journal= {arXiv preprint arXiv:2507.03430},
year = {2025}
}
备注
42 pages, 11 figures, 6 tables