nature communications论文解读

乐呦刘、

于 2024-11-24 16:55:37 发布

阅读量1.3k

点赞数 33

文章标签：深度学习人工智能机器学习

本文链接：https://blog.youkuaiyun.com/qq_49786473/article/details/144009364

版权

题目《Transfer learning with graph neural networks for improved molecular property prediction in the multi-fidelity setting》

这篇文章主要讨论了如何在多保真数据环境（multi-fidelity setting）下，利用图神经网络（GNNs）结合迁移学习技术，改进分子性质预测的效果。

研究背景：

在分子性质预测中，不同来源的数据通常具有不同的保真度：

低保真数据：便宜、容易获取，但预测精度较低（如粗粒度模拟数据）。
高保真数据：更准确，但代价昂贵（如实验测量或高精度量子化学计算）
迁移学习的基本方法
迁移学习（Transfer Learning）是解决多保真问题的一种策略，分为两个步骤：
预训练（Pre-training）：
- 在低保真数据集 DSD_SDS 上训练模型，学习低保真领域的特征。
- 结果是一个在低保真任务上的预测器 fSf_SfS。
微调（Fine-tuning）：
- 将预训练模型的部分权重迁移到高保真任务的模型 fTf_Tf