本工作围绕基于深度学习方法的分子性质预测与泛化，融合预训练分子语言模型、图神经网络及物理化学描述符，构建了有机分子熔点预测框架。研究基于超过23万个有机分子的熔点数据，将分子局部拓扑表征，与分子极性、形状及能量等全局物理化学信息进行融合，并通过多种方式评估模型泛化性能。结果表明，全局物理化学信息能够稳定补充数据驱动的局部拓扑表征，在陌生结构分子中仍表现出一致的预测增益，为复杂分子性质预测中的多源信息融合与可靠泛化评估提供了新的思路。
文章链接：https://pubs.rsc.org/ra/article/doi/10.1039/d6ra05490k/1296807/Global-descriptors-informed-learning-for-organic