محققان در تازهترین دستاورد خود، دو معماری جدید به نامهای Iso-QGNN (کوانتومی) و Iso-CGNN (کلاسیک) را برای پیشبینی دقیق ویژگیهای مولکولی معرفی کردهاند.
نکته کلیدی این تحقیق، استفاده از «سوگیری القاییِ مبتنی بر توپولوژی» است؛ به این معنا که ساختار مدل دقیقاً از پیوندهای شیمیایی مولکول الگوبرداری میکند. این رویکرد باعث شده تا مدلها حتی با دادههای محدود، دقت بسیار بالایی در پیشبینی خواص مولکولی داشته باشند.
این پیشرفت نه تنها گامی بزرگ در حوزه هوش مصنوعی مولکولی است، بلکه استانداردهای جدیدی برای بنچمارکهای یادگیری ماشین در علوم پایه تعیین میکند. ⚛️💡
منبع: arXiv Machine Learning