XIMP：用于分子性质预测的跨图消息传递
机器学习
2026-01-28 v1 定量方法
机器学习
摘要
准确的分子性质预测是药物发现的核心，然而图神经网络在数据稀缺的情况下往往表现不佳，且未能超越传统的指纹方法。我们引入了跨图消息传递(XIMP)，它在多个相关的图表示内部及之间执行消息传递。对于小分子，我们将分子图与支架感知的连接树和编码药效团的扩展简化图相结合，整合了互补的抽象。先前的工作要么局限于单一抽象，要么在图之间进行非迭代通信，而XIMP支持任意数量的抽象，并在每一层中支持它们之间的直接和间接通信。在十个不同的分子性质预测任务中，XIMP在大多数情况下优于最先进的基线，利用可解释的抽象作为归纳偏置，引导学习朝向既定的化学概念，从而增强了低数据环境下的泛化能力。
引用
@article{arxiv.2601.19037,
title = {XIMP: Cross Graph Inter-Message Passing for Molecular Property Prediction},
author = {Anatol Ehrlich and Lorenz Kummer and Vojtech Voracek and Franka Bause and Nils M. Kriege},
journal= {arXiv preprint arXiv:2601.19037},
year = {2026}
}