لمعالجة التحديات المستمرة في دمج بيانات الجزيئات متعددة الأنماط لتنبؤ الخصائص، نقترح الشبكة العصبية الرسومية متعددة الأنماط (MMGNN). يُحسّن هذا الإطار الجديد تمثيلات الجزيئات بشكل تآزري من خلال اقتران مشفرات الرسوم البيانية غير المتجانسة المزدوجة المصممة لالتقاط التفاعلات الذرية المحلية والدلالات الطوبولوجية العالمية، مع وحدة انتباه عبر الرؤى ذات اتجاهين. تقوم هذه الوحدة بمحاذاة الديناميكية لمجالات البُنى الكامنة المستمرة مع ميزات البصمات المتقطعة، في حين يدمج آلية دمج مرحلية متكيفة هذه التمثيلات متعددة المقاييس. علاوة على ذلك، يفرض التدريب التبايني المسبق باستخدام خسارة الانتروبيا المتقاطعة المُقيّمة بدرجة حرارة طبيعية (NT-Xent) تعلماً قوياً وثابتاً للميزات. تظهر التقييمات التجريبية الشاملة أداءً متفوقًا لـMMGNN في تقدم الاكتشاف الحسابي للأدوية.
درس ليو وآخرون (Sat,) هذا السؤال.