双图协同表征与跨视图特征融合的分子性质预测方法

本发明涉及分子性质预测技术领域，具体涉及一种双图协同表征与跨视图特征融合的分子性质预测方法，通过图形注意机制(GAT)来自动识别分子图中的关键官能团，构建了一个Motif图来表示分子图的局部化学环境，Motif图能有效地捕捉分子中的局部结构特征。通过GAT分别处理Motif图和分子图，分别提取全局特征与局部特征的信息，并通过交叉注意力将两种特征进行融合得到融合后的分子图特征，从而得到更全面的分子特征表示，提升了分子表示的全面性和模型的性能。使用双向门控循环单元(Bi‑GRU)和多头注意力网络联合处理分子指纹信息，增强了模型对复杂分子指纹数据的表达能力，提高了对分子性质预测的准确性和模型的泛化能力。