Research|基于深度神经网络的通用分子属性预测模型—浙江大学周少东教授课题组新进展

浙江大学周少东教授课题组近期提出了一种基于深度神经网络的通用分子属性预测模型，该模型通过神经网络驱动原子和分子间信息的传递，实现对复杂系统中原子与分子间相互作用的精准建模。研究背景指出，尽管图神经网络在分子性质预测方面显示出优势，但仍需化学规则的指导以提升效率和准确性。研究进展中，课题组定义了多尺度特征，通过自然生长神经网络（NGNN）协调化学原理与算法概念，准确预测复杂系统特性。该模型设计了一种多尺度信息传递机制，能够从微观到宏观捕捉复杂相互作用，并在多个测试数据集上表现出优异的预测性能。未来展望认为，这一模型将为化学和材料科学领域带来突破，并在更广泛领域中得到应用。