![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GNN
文章平均质量分 66
XANTAR____RES
这个作者很懒,什么都没留下…
展开
-
FAENet | 面向材料建模的EGNN模型
本文提出了一种可以替代传统summetry-preserving的GNN模型的方法,即FAENet,其基于FA精细地设计data augmentation方法来保留symmetries,使得GNN模型设计更加灵活化,并且在多个数据集上表现优于SOTA方法。FAENet的idea思路主要基于Puny et al.(2022)等人提出的框架Frame averaging(FA)结合代数中的群论、群表示论等知识,推得知其可以使GNN在设计时变得更加灵活,不需要刻意为保留等变性质而设计。原创 2024-01-15 10:24:23 · 383 阅读 · 1 评论 -
3D Infomax | 改进GNN + 分子性质预测
首先,可以细看下面的图,其中从对比的角度来分析了之前的GNN方法和本文提出的GNN方法的思路。3D Infomax的大致思路即,使用一个2D GNN学习序列特征,和一个3D GNN学习结构特征,然后学习两个模型输出的feature vector之间的mutation information(MI);其中,3D分子图结构是在许多任务中必需的一类数据,但目前的3D数据远远不够。因此,本文提出使用已知的3D分子数据库来预训练一个模型,基于其中的2D分子图,来推测其几何特征。原创 2023-10-18 21:14:27 · 213 阅读 · 1 评论