VIP20

本课程属于：045-AI药物发现特征学习任务 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

GAT注意力机制在分子图中的应用

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

图神经网络概述

图神经网络发展史 · 应用场景 · 与分子图的关系

图神经网络概述图神经网络发展史

分子图的表示与构建

分子图数据结构 · 邻接矩阵 · 节点与边特征

分子图的表示构建

图的注意力机制原理

自注意力 · 图注意力 · softmax归一化

图的注意力机制原…自注意力

GAT模型结构详解

GAT层设计 · 消息传递 · 聚合函数

GAT模型结构详解

多头注意力机制

多头原理 · 拼接与平均 · 稳定性提升

多头注意力机制多头原理

分子特征工程

原子类型 · 键类型 · 杂化状态

分子特征工程原子类型

分子图数据预处理

RDKit分子解析 · 特征编码 · 图归一化

分子图数据预处理RDKit

使用PyTorch Geometric构建图数据

Data对象 · 数据集 · DataLoader

PyTorchGeometric

搭建GAT模型

前向传播 · 多头注意力实现 · Dropout

损失函数与优化器选择

回归损失 · 分类损失 · Adam优化

损失函数优化器选择

训练GAT分子图模型

训练循环 · 早停 · 学习率调度

模型评估指标

RMSE · MAE · R²

模型评估指标RMSE

分子性质预测实例——溶解度预测

数据集准备 · 模型训练与评估

分子性质预测实例溶解度预测

分子性质预测实例——药物活性预测

生化活性分类 · 阈值设定

分子性质预测实例药物活性预测

分子图分类任务

二分类 · 多分类 · 样本不平衡处理

分子图分类任务二分类

分子图回归任务

连续值预测 · 标准化与反标准化

分子图回归任务连续值预测

注意力权重可视化

提取注意力系数 · 热力图绘制 · 图结构展现

注意力权重可视化提取注意力系数

模型调参与正则化

超参数搜索 · L2正则 · 图增强

模型调参正则化

使用RDKit进行分子特征提取

摩尔对象 · 指纹 · 化学性质计算

分子指纹与GAT结合

ECFP · MACCS指纹作为辅助特征

GAT分子指纹

处理大分子图

分子聚合比对 · 子图采样 · 分层池化

处理大分子图分子聚合比对

图同构性数据增强

随机扰动 · 边删除 · 节点掩码

图同构性数据增强随机扰动

GAT与GCN对比实验

机制差异 · 性能对比 · 选择策略

迁移学习在分子GAT中的应用

预训练模型 · 微调策略 · 领域适应

GAT迁移学习

自监督学习提升GAT性能

预训练任务 · 对比学习 · 掩码重建

GAT自监督学习提升

GAT在分子生成中的应用

分子生成模型 · GAT解码器 · 逆分子设计

GAT分子生成

分子图的可解释性分析

梯度归因 · GNNExplainer · 注意力解释

分子图的可解释性…梯度归因

部署GAT模型到生产环境

模型导出 · ONNX推理 · API封装

常见问题与调试经验

梯度爆炸 · 过拟合 · 内存优化技巧

常见问题调试经验

未来方向与前沿研究

几何GAT · 多模态融合 · 量子化学结合

未来方向前沿研究