MolCHG: Pre-addestramento Auto-supervisionato Multi-livello su Grafi Gerarchici Composizionali

Un team di ricercatori ha introdotto MolCHG, un framework di pre-addestramento auto-supervisionato a più livelli volto a prevedere le proprietà molecolari. Questo framework impiega un Grafo Gerarchico Composizionale, che categorizza le strutture molecolari in quattro tipi di nodi su tre livelli semantici, con un grafo di legami che opera in parallelo al grafo atomico. Questo approccio eleva i dati dei legami in rappresentazioni di nodi che evolvono indipendentemente, consentendo ai nodi frammento di integrare equamente le semantiche a livello atomico e di legame. Inoltre, vengono proposti tre obiettivi di pre-addestramento specifici per livello, tra cui un compito contrastivo a vista incrociata per le interazioni atomo-legame. Questa ricerca affronta le carenze dei metodi attuali che operano a un singolo livello strutturale e considerano le informazioni sui legami solo come attributi ausiliari degli archi.