CheMeleon：用经典分子描述符预训练的深度学习基础模型在低数据条件下超越经典方法

【摘要级】研究提出以低噪声、可计算的分子描述符进行监督预训练，得到约千万参数的基础模型 CheMeleon，使有向消息传递神经网络在低数据条件下超过经典方法。作者在 Polaris 基准计划提供的 58 个数据集上评测，统计比较显示其优于基于分子指纹和描述符的随机森林基线及现有基础模型，并开源模型与预训练框架。结果来自论文摘要所述的基准评测。