当前位置: X-MOL 学术arXiv.cs.LG › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
GPS++:用于分子性质预测的优化混合 MPNN/Transformer
arXiv - CS - Machine Learning Pub Date : 2022-11-18 , DOI: arxiv-2212.02229
Dominic Masters, Josef Dean, Kerstin Klaser, Zhiyi Li, Sam Maddrell-Mander, Adam Sanders, Hatem Helal, Deniz Beker, Ladislav Rampášek, Dominique Beaini

本技术报告介绍了 GPS++,它是 PCQM4Mv2 分子特性预测任务的开放图谱基准大规模挑战赛 (OGB-LSC 2022) 的第一名解决方案。我们的方法实施了先前文献中的几个关键原则。我们的 GPS++ 方法的核心是混合 MPNN/Transformer 模型,它结合了 3D 原子位置和辅助去噪任务。GPS++ 的有效性通过在独立测试挑战 PCQM4Mv2 拆分上实现 0.0719 的平均绝对误差来证明。得益于 Graphcore IPU 加速,GPS++ 可扩展到深层架构(16 层),每个时期 3 分钟的训练和大型集成(112 个模型),在 1 小时 32 分钟内完成最终预测,远低于分配的 4 小时推理预算。我们的实施公开在:https://github。



"点击查看英文标题和摘要"

更新日期:2022-11-18
down
wechat
bug