基于度量小样本学习方法的分子性质预测方法

本发明属于人工智能技术领域，特别涉及基于度量小样本学习方法的分子性质预测方法。本发明采用了原型网络框架结合图预训练策略、低秩表示、对比学习和优化的Sinkhorn K‑means算法。原型网络框架，旨在解决图数据的特征学习和聚类问题，利用原型网络框架结合图提取了分子的通用特征，包括局部和全局信息，以应对分子复杂性。通过低秩表示，将高维分子数据映射到更紧凑的表示空间，有助于提高预测性能。引入了对比学习来保持数据在降维后的结构特征，以进一步提高预测准确性。借助扩展的Sinkhorn K‑means算法，将带有标签的数据集成到预测模型中，从而实现更精确的分子性质预测。