12:00
官方账号arXiv cs.LG@Aaron Feller, Kris Deibler, Maxim Secor
推荐理由：做分子性质预测的朋友看过来：新模型EnsembleEGNN把多个构象编码成一个嵌入，在环肽任务上比纯序列模型效果好，R²提升到0.538。
EnsembleEGNN
共 1 条相关 AI 资讯
7月24日
12:00
EnsembleEGNN 是一种分子集成基础模型，通过对每个构象使用共享的等变图神经网络 (EGNN) 编码，再用 Set Attention Block 池化得到整体表示。在 CREMP 环肽数据集上预训练，采用掩码 token 恢复、噪声坐标重建和成对距离重建的多任务自监督目标。在 CREMP-CycPeptMPDB 数据集上，从零训练的 EnsembleEGNN 性能极差 (R²=0.005)，而预训练模型达到 R²=0.477、Pearson r=0.699，超过仅序列的 BERT 基线 (R²=0.439, Pearson r=0.667)。与 BERT 序列编码器联合端到端训练后，混合模型进一步提升至 R²=0.538、Pearson r=0.737。