Mole-BERT: Rethinking Pre-training Graph Neural Networks for Molecules

词汇 计算机科学 背景(考古学) 图形 节点(物理) 人工神经网络 自然语言处理 理论计算机科学 人工智能 语言学 物理 生物 古生物学 哲学 量子力学
作者
Jun Xia,Chengshuai Zhao,Bozhen Hu,Zhangyang Gao,Cheng Tan,Yue Liu,Siyuan Li,Stan Z. Li
标识
DOI:10.26434/chemrxiv-2023-dngg4
摘要

Recent years have witnessed the prosperity of pre-training graph neural networks (GNNs) for molecules. Typically, atom types as node attributes are randomly masked and GNNs are then trained to predict masked types as in AttrMask \citep{hu2020strategies}, following the Masked Language Modeling (MLM) task of BERT~\citep{devlin2019bert}. However, unlike MLM where the vocabulary is large, the AttrMask pre-training does not learn informative molecular representations due to small and unbalanced atom `vocabulary'. To amend this problem, we propose a variant of VQ-VAE~\citep{van2017neural} as a context-aware tokenizer to encode atom attributes into chemically meaningful discrete codes. This can enlarge the atom vocabulary size and mitigate the quantitative divergence between dominant (e.g., carbons) and rare atoms (e.g., phosphorus). With the enlarged atom `vocabulary', we propose a novel node-level pre-training task, dubbed Masked Atoms Modeling (MAM), to mask some discrete codes randomly and then pre-train GNNs to predict them. MAM also mitigates another issue of AttrMask, namely the negative transfer. It can be easily combined with various pre-training tasks to improve their performance. Furthermore, we propose triplet masked contrastive learning (TMCL) for graph-level pre-training to model the heterogeneous semantic similarity between molecules for effective molecule retrieval. MAM and TMCL constitute a novel pre-training framework, Mole-BERT, which can match or outperform state-of-the-art methods in a fully data-driven manner. We release the code at \textcolor{magenta}{\url{https://github.com/junxia97/Mole-BERT}}.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
清风与你发布了新的文献求助10
1秒前
2秒前
可爱的函函应助jzd1991采纳,获得10
2秒前
yht完成签到 ,获得积分10
2秒前
2秒前
silverdew关注了科研通微信公众号
3秒前
Jennifer发布了新的文献求助10
3秒前
负责的香魔完成签到,获得积分10
3秒前
杨song完成签到 ,获得积分10
4秒前
5秒前
6秒前
7秒前
超帅方盒发布了新的文献求助10
7秒前
lily发布了新的文献求助10
7秒前
迷路海蓝应助星星采纳,获得10
8秒前
深情安青应助qin采纳,获得10
8秒前
drughunter009发布了新的文献求助10
9秒前
传奇3应助nana采纳,获得10
10秒前
11秒前
11秒前
12秒前
不配.应助Abdulsaboor采纳,获得10
12秒前
在水一方应助Abdulsaboor采纳,获得10
12秒前
litieniu完成签到 ,获得积分10
14秒前
14秒前
14秒前
Jennifer完成签到,获得积分10
15秒前
活力的妙之完成签到 ,获得积分10
15秒前
Chenaimmd发布了新的文献求助10
16秒前
怕黑的道天完成签到,获得积分10
16秒前
额尔其子完成签到,获得积分10
17秒前
18秒前
ming发布了新的文献求助10
18秒前
Yjh发布了新的文献求助10
19秒前
nana完成签到,获得积分10
21秒前
22秒前
22秒前
23秒前
24秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136300
求助须知:如何正确求助?哪些是违规求助? 2787312
关于积分的说明 7781050
捐赠科研通 2443321
什么是DOI,文献DOI怎么找? 1299108
科研通“疑难数据库(出版商)”最低求助积分说明 625345
版权声明 600922