ニューラルアトムを導入することで、分子グラフ内の長距離相互作用を効率的に捉えることができる。ニューラルアトムは原子を抽象化したグループ表現であり、原子間の長距離相互作用を単一ホップの通信チャネルを通じて伝播することができる。
本研究は、サブグラフネットワーク(SGN)を活用した新しい対照学習フレームワーク(SGNCL)を提案する。SGNCLは、オリジナルグラフとその異なる次数のSGNの相互作用情報を効果的にキャプチャすることで、グラフ表現学習の性能を向上させる。
