摘要
本研究旨在构建一个无需人工标注或先验知识的分子图神经网络（Graph Neural Network, GNN）预训练模型。尽管已有多种方法尝试克服获取标注分子数据的局限性，但现有预训练方法仍依赖于语义子图（即功能基团）作为先验信息。然而，仅关注功能基团可能忽略分子图层面的差异性。构建分子领域预训练GNN的核心挑战在于：（1）如何生成具有显著区分性的图级表征；（2）如何在无先验知识的前提下自动发现功能基团。为解决这一问题，我们提出一种新型的子图条件化图信息瓶颈模型——S-CGIB（Subgraph-conditioned Graph Information Bottleneck），用于GNN的预训练，以识别分子中的核心子图（图核心）与关键子图。其核心思想是：图核心包含压缩且充分的信息，能够在S-CGIB原则下，基于跨分子的关键子图条件，生成具有显著区分性的图级表征，并实现对输入图的重建。为在无功能基团先验知识的情况下发现关键子图，我们提出生成一组功能基团候选结构（即自中心网络，ego networks），并通过图核心与候选子图之间的基于注意力机制的交互来实现识别。尽管这些子图是通过自监督学习获得，但其识别结果与真实世界中的功能基团高度吻合。在多个领域分子数据集上的大量实验表明，S-CGIB模型展现出显著优越性。