多视角融合
结合SMILES、分子图与指纹三种视角并深度融合，在11个基准数据集上优于现有最优方法，分子性质预测更准确。
Lin, Yanmei · 邓磊 · 廖明帜 · Peng, Yuzhong
Briefings in Bioinformatics 2024
通过双交叉注意力机制深度融合SMILES、分子图和指纹三种表征的特征信息，比单一表征捕获更全面的分子信息。
多尺度CNN-SE SMILES学习组件和多尺度图神经网络编码器分别从SMILES视图和分子图视图中提取局部和全局特征信息。
在11个基准数据集上优于现有最优方法，验证了模型在分子性质预测任务上的有效性和合理性。