学术速运|用于分子性质预测的few-shot性质感知关系网络

​题目：Property-Aware Relation Networks for Few-Shot Molecular Property Prediction

文献来源：35th Conference on Neural Information Processing Systems (NeurIPS 2021)

代码：https://github.com/tata1661/PAR-NeurIPS21

简介：分子性质预测在药物发现中起着至关重要的作用，可以鉴定具有靶性质的候选分子。然而，分子性质预测本质上是一个基于少数据的任务，而这导致常规的机器学习模型很难应用在这类任务。在本文中，作者提出了属性感知关系网络(PAR)来解决这个问题。通过利用了相关的子结构和分子之间的关系，模型可以学习在不同的分子性质的变化。作者首先引入属性感知嵌入函数，将通用分子嵌入转换为与目标属性相关的子结构感知空间。此外，他们设计了一个自适应关系图学习模块，用于联合估计分子关系图并细化目标分子性质的嵌入，使有限的标签在类似分子中有效地传播。我们采用元学习策略，其中参数在任务中有选择地更新，以便分别对通用和分子性质知识进行建模。在基准分子性质预测数据集的广泛实验表明，PAR稳定地优于现有方法，并且可以正确地获得分子性质嵌入和模型分子关系图。

模型简图：

-------------------------------------------

欢迎点赞收藏转发！

下次见！