Пример применения сети графического внимания GAT для прогнозирования разницы энергий HOMO-LUMO

В этом исследовании рассматривается применение архитектуры сети внимания графов (GAT) для задач регрессии, в частности, для прогнозирования разрыва в энергии молекул между HOMO и LUMO. Мы разработали модель GAT, обученную на наборе данных PCQM4Mv2, который содержит примерно 3,8 миллиона молекул и предоставляется тестом Open Graph Benchmark (OGB). Производительность модели GAT оценивалась с использованием стандартных показателей регрессии, что продемонстрировало ее потенциал для точного предсказания квантовых свойств.