Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2502.01184

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2502.01184 (cs)
[提交于 2025年2月3日 ]

标题: FragmentNet:用于图到序列分子表示学习的自适应图碎片化

标题: FragmentNet: Adaptive Graph Fragmentation for Graph-to-Sequence Molecular Representation Learning

Authors:Ankur Samanta, Rohan Gupta, Aditi Misra, Christian McIntosh Clarke, Jayakumar Rajadas
摘要: 分子属性预测利用分子结构来推断化学性质。能够捕捉有意义的分子内相互作用的化学可解释表示可以提高这些预测的可用性和效果。然而,现有方法通常依赖于基于原子或规则的片段分词,这可能在化学上不是最优的,并且缺乏可扩展性。我们引入了FragmentNet,这是一种图到序列的基础模型,具有自适应的、学习到的分词器,能够在保持结构连通性的同时将分子图分解为化学有效的片段。FragmentNet集成了VQVAE-GCN用于层次化片段嵌入,空间位置编码用于图序列化,全局分子描述符和变压器。通过掩码片段建模进行预训练,并在MoleculeNet任务上进行微调,FragmentNet在具有类似规模架构和数据集的模型中表现更好,并且与需要显著更多资源的更大最先进的模型相媲美。这种新框架实现了分子图的自适应分解、序列化和重建,促进了基于片段的编辑和学习嵌入中的属性趋势可视化——这是分子设计和优化的强大工具。
摘要: Molecular property prediction uses molecular structure to infer chemical properties. Chemically interpretable representations that capture meaningful intramolecular interactions enhance the usability and effectiveness of these predictions. However, existing methods often rely on atom-based or rule-based fragment tokenization, which can be chemically suboptimal and lack scalability. We introduce FragmentNet, a graph-to-sequence foundation model with an adaptive, learned tokenizer that decomposes molecular graphs into chemically valid fragments while preserving structural connectivity. FragmentNet integrates VQVAE-GCN for hierarchical fragment embeddings, spatial positional encodings for graph serialization, global molecular descriptors, and a transformer. Pre-trained with Masked Fragment Modeling and fine-tuned on MoleculeNet tasks, FragmentNet outperforms models with similarly scaled architectures and datasets while rivaling larger state-of-the-art models requiring significantly more resources. This novel framework enables adaptive decomposition, serialization, and reconstruction of molecular graphs, facilitating fragment-based editing and visualization of property trends in learned embeddings - a powerful tool for molecular design and optimization.
评论: 22页,13图,5表
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 化学物理 (physics.chem-ph); 定量方法 (q-bio.QM)
引用方式: arXiv:2502.01184 [cs.LG]
  (或者 arXiv:2502.01184v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2502.01184
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ankur Samanta [查看电子邮件]
[v1] 星期一, 2025 年 2 月 3 日 09:21:49 UTC (24,068 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
physics
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-02
切换浏览方式为:
cs
cs.AI
cs.LG
physics.chem-ph
q-bio
q-bio.QM

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号