Key points are not available for this paper at this time.
추상 3D 분자 표현 학습은 큰 관심을 얻었으며 다양한 후속 작업에서 유망한 성과를 달성했습니다. 최근 접근법의 일련은 인코더 전용 모델과 좌표 노이즈 제거 목표를 결합한 일반적인 틀을 따릅니다. 하지만 일련의 분석 실험을 통해, 우리는 좌표 노이즈 제거 목표가 있는 인코더 전용 모델이 사전 훈련과 후속 목표 간에 불일치를 보이며, 원자 식별자가 중단되는 문제를 여는 것을 입증합니다. 이 두 가지 문제를 해결하기 위해 우리는 원자 식별자로 위치 인코딩을 사용하는 분자 표현 학습을 위한 M ol -AE를 제안합니다. 우리는 또한 모델이 실제 분자 하위 구조에서 더 나은 원자 공간 관계를 학습하도록 하기 위해 3D Cloze Test라는 새로운 훈련 목표를 제안합니다. 경험적 결과는 M ol -AE가 현재 최첨단 3D 분자 모델링 접근법에 비해 큰 성능 향상을 달성함을 보여줍니다. M ol -AE의 소스 코드는 https://github.com/yjwtheonly/MolAE 에서 공개되어 있습니다.
Yang et al. (Mon,)은 이 질문을 연구했습니다.