基于图神经网络和傅里叶变换的分子属性预测

摘要

当前的分子属性模型集中在预训练任务的改进，未对适用于分子属性预测的基础模型进行探索。本研究将无权图和有权图分别放入基于谱域和基于空域的图卷积神经网络，并使用傅里叶滤波器对节点特征进行去噪，最终模型在MoleculeNet的相关数据集上进行验证和消融实验。结果表明，该模型优于所有未经预训练的相关模型。与经典的图神经网络相比，该模型在分子属性预测任务中，对于分子图的适用性更强，能更高效地捕捉分子的结构和属性信息。

关键词

分子属性预测 / 图神经网络 / 傅里叶变换

基金资助

甘肃省自然科学基金（23JRRA1719）