RingFormer：用于有机光伏电池性质预测的环增强图转换器

有机光伏电池 (OSC) 是可持续能源生产的有前景的技术。然而，识别具有所需 OSC 属性的分子通常涉及耗时的实验研究。为加快该领域的进展，迫切需要开发能够准确预测 OSC 分子性质的机器学习模型。尽管图表示学习在分子性质预测中显示出成功，但对于 OSC 特定任务仍属未被充分探索的领域。现有方法未能捕获 OSC 分子的独特结构特征，尤其是关键影响 OSC 属性的复杂环系统，导致性能 suboptimal。为填补这一空白，我们提出 RingFormer，一种专为捕获 OSC 分子中原子和环结构模式而设计的新型图转换器框架。RingFormer 构建一种层次化图，将原子和环结构集成，并采用局部消息传递和全局注意力机制的组合来生成高表达性的图表示，以实现对 OSC 性质的准确预测。我们在五个精选 OSC 分子数据集上进行大规模实验评估 RingFormer 的有效性。结果表明，RingFormer 持续地优于现有方法，在 CEPDB 数据集上相对于最近的竞争者实现了 22.77% 的相对改进。