Generalizable, Fast, and Accurate DeepQSPR with fastprop Part 1: Framework and Benchmarks

定量结构-性质关系研究旨在定义分子结构与任意感兴趣数量之间的映射关系。历史上，这是通过开发描述符来实现的，需要领域专业知识并且难以推广。因此，该领域已经发展成为分子性质预测，并交给了可高度推广的学习表示。该论文介绍了fastprop，一个DeepQSPR框架，它使用一组明智的分子级描述符，在极短的时间内满足并超越了多样化数据集上学习表示的性能。fastprop在github上免费提供，网址为github.com/JacksonBurns/fastprop。

fastprop论文旨在解决分子结构与性质关系研究中，传统描述符需要领域专业知识且难以推广的问题，提出了基于学习表示的分子性质预测模型。

fastprop框架使用了一组合理的分子级描述符，以比学习表示更快的速度，在多个数据集上实现了优秀的性能，具有高度的泛化能力。

论文提供了一个快速、高效、泛化能力强的分子性质预测框架，同时开源了代码，可在github上获取。实验结果表明，fastprop的性能优于当前领域的其他方法，值得进一步研究。

最近在这个领域中，还有一些相关的研究，如《MoleculeNet: A Benchmark for Molecular Machine Learning》、《DeepChem: Deep Learning for Chemistry》等。