一种可解释的基于知识蒸馏的图神经网络的分子预测方法

本发明属于化学信息学领域，涉及一种可解释的基于知识蒸馏的图神经网络的分子预测方法，包括：获取分子图输入代理模型得到预测结果；对代理模型进行解释，得到解释结果；代理模型的训练过程包括：获取分子数据集和原始GNN模型；对分子图G进行不同尺度的池化，得到不同尺度的分子图数据Gr；将图G和Gr分别输入原始GNN模型和代理模型，得到原始GNN模型每层的输出fl(xi)、fl(xi,r)以及代理模型每层的输出sl(xi)、sl(xi,r)；对fl(xi)、fl(xi,r)分别进行注意力计算，得到注意力结果；根据注意力结果、sl(xi)、sl(xi,r)计算损失函数值，根据损失函数值更新模型参数直到得到训练好的代理模型；本发明引入了知识蒸馏将GNN中蕴含的丰富见解转移到代理模型中，再对代理模型进行解释，降低了计算复杂度和可解释成本。