摘要
本申请公开了一种基于多体交互注意力机制的分子表征学习方法、设备和存储介质,涉及神经网络技术领域,所述方法包括:根据分子结构的标量特征和边特征进行交互,生成低阶交互特征;基于所述低阶交互特征通过投影矩阵进行映射得到的投影结果,聚合生成增强标量特征;根据所述增强标量特征与向量特征在等变消息传递网络中进行特征动态聚合,生成目标标量特征和目标向量特征;将所述目标标量特征与所述目标向量特征进行融合,并对融合得到的融合特征进行池化,得到分子表征预测结果。本申请克服了相关技术局限于三体或更低阶的隐式建模,导致分子表征预测结果的精确度低下的技术问题,提升了分子表征预测结果的准确性。
技术关键词
标量特征
表征学习方法
交互注意力
交互特征
消息传递网络
分子
融合特征
机制
节点特征
矢量特征
球谐函数展开
矩阵
神经网络技术
动态
多层感知机
处理器
可读存储介质
基底
存储器