待验证50% 置信事实精确时间
一项研究提出将分子编码为片段级图，使任何消息传递GNN和事后归因方法都能在官能团粒度上给出解释。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/22
首次发现
有效期至：2027/1/20
来源
涉及实体
相关事实
待验证分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构77% 相似待验证图神经网络（GNN）通过在图结构上进行消息传递与聚合，能够直接处理分子结构、知识图谱、社交网络等非欧氏数据77% 相似待验证GNN 的表达能力上界与图同构判定问题密切相关，Weisfeiler-Leman（WL）图同构测试为 GNN 的表达力提供了理论刻画框架70% 相似待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测68% 相似待验证从头设计的蛋白质设计管线是先用扩散模型生成骨架,再用GNN设计序列67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084240API
curl https://kongchang.com/api/v1/knowledge/claims/1084240MCP
get_claim(id=1084240)