분자 특성의 정확한 예측은 신약 개발 과정에서 중요한 단계인 새로운 화합물 설계에 있어 핵심적인 역할을 한다. 본 논문에서는 그래프 컨볼루션 신경망 기반으로 분자 그래프 데이터를 활용하여 분자 특성 예측을 수행한다. 또한 분자의 공간적 연결 정보를 유지하기 위해 컨볼루션 공간 그래프 임베딩 레이어(C-SGEL)를 도입하였으며, 여러 개의 C-SGEL을 단계적으로 중첩하여 엔드투엔드 표현 학습을 위한 컨볼루션 공간 그래프 임베딩 네트워크(C-SGEN)를 구축하였다. 네트워크의 안정성을 향상시키기 위해 분자 지문(molecular fingerprints)도 C-SGEN과 결합하여 복합 모델을 구성하여 분자 특성을 예측하였다. 비교 실험 결과, 제안하는 방법이 높은 정확도를 보이며 일부 공개 벤치마크 데이터셋에서 최고의 성능을 달성함을 확인하였다.