661任务均效81.9%
基于级联注意网络和图对比学习的预训练模型，在多个基准上展现更好的泛化能力。
谭艳艳 · 王宏 · Yu, Shengpeng · 刘天宇 · 梁成
Briefings in Bioinformatics 2023
采用两阶段对比预测器框架，在预训练阶段通过对比学习增强对少数类样本的表征能力，从而缓解下游任务中标签不平衡问题。
利用信息流方案训练网络，在节点和图表示中显式编码边的信息，获得更细粒度的分子知识。
可视化研究表明模型具有更好的表示能力，并提供可解释性，有助于理解分子性质预测依据。