本研究は、分子グラフと分子画像の両方のモダリティを活用することで、より高度な分子特性予測を実現するマルチモーダル学習フレームワークを提案する。
DIG-Molは、分子グラフの対照的な学習と双方向相互作用メカニズムを活用し、優れた分子特性予測性能を実現する。
小規模データセットにおいても優れた性能を発揮するGPS Transformerアーキテクチャを提案し、血液脳関門透過性予測タスクで新しい最先端の成果を達成した。