论文题目：Molecular Contrastive Learning with Chemical Element Knowledge Graph

本文作者：方尹、张强、杨海宏、庄祥、邓淑敏、张文、秦铭、陈卓、范骁辉、陈华钧（浙江大学）

接收会议：AAAI 2022

论文链接：https://arxiv.org/abs/2112.00544

数据集及代码：https://github.com/ZJU-Fangyin/KCL

本文创新性地提出一种知识增强的分子图对比学习框架Knowledge-enhanced Contrastive Learning (KCL)。KCL利用化学元素知识图谱指导原始分子图的增强过程，并针对分子增强图设计了知识感知的消息传递网络KMPNN，通过最大化正样本对之间的一致性和难负样本对之间的差异性构建对比损失以优化模型。实验结果表明，KCL在涵盖不同分子属性的8个数据集上获得了SOTA性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除