.png){kind=icon}
返回
Exploring data augmentation: Multi-task methods for molecular property prediction
.png){kind=icon}
OA
AI
DOI：10.1016/j.compchemeng.2025.109253.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 使用多任务图神经网络预测分子性质。
• 探索了不同类型的分子性质数据增强方法。
• 分析了在分子数据实际可用场景中的数据增强。
• 对图神经网络的训练提出建议。
Keyword:
Multi-task learning
Molecular property prediction
Graph neural networks
Missing data
Machine learning
期刊
C
IF:
3.9
论文数:
8.1K
被引数:
1.7W
机构
引用论文
When Do Quantum Mechanical Descriptors Help Graph Neural Networks to Predict Chemical Properties?
.png){kind=icon}
PREAI
分享收藏The Solution to Non-Traditional Security Threats in Southeast Asia: the Role of RussiaKorolev, V., Mitrofanov, A., Korotcov, A., Tkachenko, V., 2019. 图卷积神经网络作为“通用”性质预测器：普适性及其适用性限制。化学信息与建模杂志 60, 22–28.
PREAI
分享收藏MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain KnowledgeMPCD: 通过整合公共知识和领域知识进行分子特性预测的多任务图形转换器
PREAI
分享收藏Combining Machine Learning with Physical Knowledge in Thermodynamic Modeling of Fluid Mixtures在流体混合物的热力学建模中将机器学习与物理知识相结合OAAI
OAAI分享收藏
查看更多内容