Основні поняття
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。
Анотація
本研究は、分子特性予測のための新しいマルチモーダル学習フレームワークMolIGを提案する。従来の研究では、分子グラフや分子SMILES表現といった単一のモダリティに依存していたが、本研究ではこれらに加えて分子画像のモダリティも活用することで、より高度な分子特性予測を実現している。
具体的には、分子グラフエンコーダとイメージエンコーダを組み合わせ、両者の表現の整合性を最大化するようにコントラスティブ学習を行う。これにより、分子の構造的特徴と高次の意味的特徴を効果的に捉えることができる。
実験では、MoleculeNetベンチマークとADMETベンチマークにおいて、提案手法MolIGが既存の手法を上回る性能を示した。特に、より複雑な分子特性の予測タスクでの優位性が確認された。
Статистика
分子グラフと分子画像の表現の整合性を最大化することで、より高度な分子特性予測が可能となる。
Цитати
分子グラフと分子画像は、分子の微視的な詳細と巨視的な全体構造を表現する相補的な情報源である。