グラフ上の畳み込みネットワークを用いた分子フィンガープリントの学習

私たちはグラフ上で直接動作する畳み込みニューラルネットワークを導入します。これらのネットワークは、任意のサイズと形状を持つグラフを入力とする予測パイプラインのエンドツーエンド学習を可能にします。ここに提示するアーキテクチャは、円形フィンガープリントに基づく標準的な分子特徴抽出方法を一般化しています。私たちは、これらのデータ駆動型の特徴がより解釈可能であり、様々なタスクにおいて更好的な予測性能を持つことを示しています。