一种基于图神经网络的分子表示学习分布外泛化方法

本发明涉及一种基于图神经网络的分子表示学习分布外泛化方法，属于深度学习技术领域。该方法通过无监督学习和环境分类器训练，分子图首先经过环境划分，然后通过GNN编码器和预测器计算环境分类损失。接着，提取节点嵌入并生成子图掩码，计算输入图与子图之间的KL散度损失。然后，生成的子图掩码作用于GNN编码器，计算子图预测损失。最终，综合考虑环境分类损失、KL散度损失和子图预测损失，通过反向传播更新模型参数。该方法通过迭代训练，优化模型的分布外泛化能力，确保子图压缩、分类任务和环境损失之间的平衡，同时，损失函数结合了环境分类、子图生成和分类任务，提升了分子表示学习的性能和泛化能力。