大規模分子モデル化データセットにおけるGraphormerのベンチマーク【JST・京大機械翻訳】

Shi Yu; Zheng Shuxin; Ke Guolin; Shen Yifei; You Jiacheng; He Jiyan; Luo Shengjie; Liu Chang; He Di; Liu Tie-Yan

プレプリント

J-GLOBAL ID：202202209936262733 整理番号：22P0301460

大規模分子モデル化データセットにおけるGraphormerのベンチマーク【JST・京大機械翻訳】

Benchmarking Graphormer on Large-Scale Molecular Modeling Datasets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年03月09日プレプリントサーバーでの情報更新日： 2023年01月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

この技術的ノートは,アーキテクチャ設計変更,および3D分子動力学シミュレーションへの適応を含む,グラフマーの最近の更新を記述する。これらの簡単な修正により,Graphormerはバニラのものより大規模分子モデリングデータセットでより良い結果を達成し,性能利得は2Dと3D分子グラフモデリングタスクで一貫して得られた。さらに,大域的受容場と適応集約戦略により,グラフマーは古典的メッセージパッシングベースGNNよりも強力であることを示した。経験的に,グラフマーは,KDD Cup 2021で使用されるPCQM4M量子化学データセットに関して,元々報告された結果よりはるかに少ないMAEを達成することができた。一方,それは最近のオープン触媒チャレンジにおける競争者よりも非常に優れていて,それはNurIPS2021ワークショップに関する競争トラックであり,先進AIモデルを有する触媒-吸着反応系をモデル化することを目指した。すべてのコードをhttps://github.com/Microsoft/Graphormerで見つけることができた。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 酵素一般 , 計算機シミュレーション

, , ,

前のページに戻る