编辑 |熊展坤
今天给大家分享一篇华中农业大学章文教授团队联合俄亥俄州立大学张平教授团队近期在Nature Communications上发表的论文,题目为“Multi-to-uni modal knowledge transfer pre-training for molecular representation learning”。论文提出了 M2UMol,一种多到单模态知识转移预训练方法,用于分子表示学习。该工作面向真实世界中“多模态不全”的分子数据场景,提出多模态到单模态的知识迁移预训练框架:在仅使用1万多条模态不完整的多模态分子数据进行建模的情况下,学习到更鲁棒的分子表示,使得下游任务性能优于百万级单模态数据训练的模型,同时由于数据规模更小、训练路径更高效,整体训练时间显著缩短。
华中农业大学信息学院章文教授和俄亥俄州立大学计算机科学与工程系张平教授为共同通讯作者。华中农业大学信息学院博士研究生熊展坤、王紫嫣、黄锋为文章共同第一作者。课题组博士研究生邱闽瑶、方舒言、杨柳青、华中农业大学信息学院周雄辉副教授和刘世超副教授也参与了该工作。
背景
人工智能药物分子发现是通过人工智能