الشبكات التلقائية المتغيرة (VAEs) المعرفة على سلاسل SMILES والتمثيلات الرسمية للجزيئات تتعهد بتحسين خصائص الجزيئات، مما يعيد تشكيل صناعتي الأدوية والمواد. ومع ذلك، فإن هذه الشبكات التلقائية المتغيرة تعاني من الطبيعة غير الفريدة لسلاسل SMILES والتكلفة الحسابية للفولهارمونات الرسمية (graph convolutions). لتمرير الرسائل بكفاءة عبر جميع المسارات في الرسم البياني للجزيء، نقوم بتشفير عدة سلاسل SMILES لنفس الجزيء باستخدام مجموعة من الشبكات العصبية المتكررة المكدسة، مع جمع التمثيلات الخفية لكل ذرة بين سلاسل SMILES، واستخدام جمع الانتباه (attentional pooling) لإنشاء تمثيل كامن ثابت نهائي. عن طريق فك التشفير إلى مجموعة منفصلة من سلاسل SMILES للجزيء، يتعلم VAE الخاص بنا والذي يعتمد على جميع سلاسل SMILES تقريباً تطابقًا ثنائيًا بين الجزيئات والتمثيلات الكامنة بالقرب من الجزء الفرعي ذي الكتلة الاحتمالية العالية للمسبق (prior). يتميز تمثيلنا الكامن المستمد من سلاسل SMILES ولكن القائم على الجزيء بتجاوز الحالة الراهنة للأداء في مجموعة متنوعة من مهام الانحدار الخصائص الجزيئية والمراقبة الكاملة والشبه كاملة وتحسين خصائص الجزيء.